iaintel·ligènciaartificial.cat← Portada

CIÈNCIA · 5 MIN

Google DeepMind publica a Nature un model d'IA que dona als meteoròlegs «un dia sencer més» per preveure huracans

WeatherNext Cyclones, entrenat amb gairebé 20 terabytes de dades atmosfèriques i la base històrica de tempestes IBTrACS, fa que els pronòstics a tres dies siguin tan fiables com els que abans només s'aconseguien a dos; el National Hurricane Center dels EUA ja el va fer servir en paral·lel per anticipar la intensificació ràpida de l'huracà Melissa el 2025.

Il·lustració editorial de Google DeepMind publica a Nature un model d'IA que dona als meteoròlegs «un dia sencer més» per preveure huracans
Escolta:

Els ciclons tropicals compten entre els fenòmens meteorològics més destructius del planeta: en els darrers cinquanta anys s'han cobrat més de 700.000 vides i han causat 1,4 bilions de dòlars en pèrdues econòmiques, segons les xifres que cita el mateix Google DeepMind. Predir-ne amb precisió la trajectòria, la intensitat i l'estructura del vent amb prou antelació és, des de fa dècades, un dels reptes més complexos de la meteorologia operativa.

Google DeepMind ha publicat el 6 d'agost a Nature WeatherNext Cyclones, un model que, segons l'equip, aporta «un dia sencer més» de marge de confiança: els pronòstics a tres dies vista hi són ara tan fiables com els que els models anteriors només oferien a dos dies, un salt que l'empresa equipara a una dècada de progrés en meteorologia. El sistema s'ha entrenat amb prop de 20 terabytes de dades atmosfèriques globals i amb IBTrACS, la base de dades que recull gairebé 5.000 tempestes històriques, i treballa amb una resolució de 28 per 28 quilòmetres —cent vegades més fina que la dels models tradicionals—, mentre que una versió «mini» arriba als 111 per 111 quilòmetres per a usos amb menys capacitat de càlcul. Amb l'arquitectura de xarxes generatives funcionals (FGN), el model genera fins a 1.000 escenaris possibles per a cada cicló —vint vegades més que l'any anterior— i produeix un pronòstic complet a 15 dies en menys d'un minut fent servir un sol xip TPU. Durant la temporada d'huracans atlàntica de 2025, el National Hurricane Center dels Estats Units el va fer servir en paral·lel a les seves eines operatives i el sistema va anticipar correctament la intensificació ràpida de l'huracà Melissa i el seu impacte a Jamaica. Google DeepMind n'ha publicat el codi i els pesos en obert, amb llicència Apache 2.0, a GitHub.

La notícia és rellevant perquè posa xifres concretes i una publicació revisada per parells darrere d'una promesa que fins ara sovint quedava en el terreny de l'anunci: més temps d'avís abans que toqui terra un cicló es tradueix directament en més marge per evacuar zones de risc i preparar la resposta d'emergència, especialment en regions amb poca infraestructura pròpia de previsió.

El comunicat no detalla si totes les agències meteorològiques nacionals tindran accés equivalent al model ni amb quin calendari s'integrarà de manera oficial als fluxos de treball operatius més enllà de la prova amb el NHC nord-americà. La validació amb l'huracà Melissa és, de moment, retrospectiva i basada en un únic esdeveniment de referència, de manera que caldrà veure com es comporta el sistema en una temporada sencera de ciclons abans de considerar-lo un substitut consolidat dels mètodes actuals.

Mateix tema

Butlletí de dissabte

La setmana d’IA, en cinc minuts.