Els models climàtics i meteorològics tradicionals es basen en equacions matemàtiques que simulen l'atmosfera i triguen hores a calcular una previsió, mentre que els senyals d'alerta primerenca de desastres com esllavissades o el trencament de glaceres sovint queden amagats en quantitats immenses de dades d'observació per satèl·lit que ningú arriba a analitzar a temps.
Un equip liderat pel professor Thomas Schulthess, que dirigeix el Centre Nacional Suís de Supercomputació (CSCS) a Lugano, i el professor de física climàtica Reto Knutti, del Centre de Modelització de Sistemes Climàtics (C2SM) de l'ETH de Zúric, ha passat aproximadament un any traslladant prop de 100 petabytes de dades públiques de la NASA —uns sis mil milions de fitxers sobre gasos d'efecte hivernacle, núvols, precipitació i glaceres, l'equivalent a uns 20 milions de pel·lícules— a servidors situats al costat del superordinador Alps. L'objectiu és entrenar models d'IA de tipus «foundation model» que, a diferència de les simulacions basades en equacions físiques, aprenguin a reconèixer patrons directament en les dades d'observació per generar prediccions meteorològiques i climàtiques globals en qüestió de minuts en lloc d'hores, i que puguin detectar senyals d'alerta primerenca de riscos geològics que ara passen desapercebuts.
La notícia és rellevant perquè combina, a una escala sense precedents, dades públiques nord-americanes amb infraestructura de càlcul europea just quan els talls de finançament científic als Estats Units posen en risc l'accés futur a aquestes dades, i perquè un sistema d'aquest tipus podria avançar alertes de fenòmens com el despreniment de glaceres: el 2025, dades de satèl·lit havien permès evacuar el poble suís de Blatten més d'un any abans que una glacera hi caigués a sobre, sense víctimes.
De moment és sobretot un projecte d'infraestructura i acumulació de dades per entrenar-hi models, no un sistema de previsió ja en funcionament: els investigadors encara han de desenvolupar i validar els models d'IA sobre aquest arxiu de dades, i no hi ha encara resultats públics sobre la seva precisió real comparada amb els mètodes de previsió actuals.