Predir el temps de dos a sis setmanes vista és un dels reptes pendents de la meteorologia: és massa lluny perquè serveixin les previsions de curt termini i massa a prop perquè bastin les mitjanes del clima. Hi ha serveis d'emergència, camps de conreu i xarxes elèctriques que haurien de planificar amb aquest marge.
Un equip encapçalat per Judah Cohen, investigador del Departament d'Enginyeria Civil i Ambiental del MIT i amb participació de Harvard, el Centre Europeu de Previsió Meteorològica a Mitjà Termini (ECMWF) i Microsoft, entre altres, descriu una solució a «Nature» amb el títol «Advancing Subseasonal Forecasting with Machine Learning». No substitueix els models de predicció: hi afegeix una capa de postprocessament d'aprenentatge automàtic que aprèn dels errors històrics del model i en corregeix les previsions.
Segons el MIT, el mètode duplica la capacitat predictiva del model original en aquest horitzó, és la primera vegada que un model supera les mitjanes climàtiques en aquest rang i millora de manera estadísticament significativa la predicció dels esdeveniments extrems. També millora altres models, fins i tot alguns ja corregits amb un altre algorisme d'IA. A més, la correcció no basada en IA de l'ECMWF va empitjorar els extrems, i la nova els va millorar. El servei meteorològic de Kenya ha mostrat interès a aplicar-lo.
Cal tenir presents els límits. Aquest resum ve de la nota del MIT i no de l'article, que no hem pogut llegir; la nota no dona xifres absolutes d'encert ni de millora en extrems, i la prova al concurs de l'ECMWF és un cas concret. El rang de dues a sis setmanes continua sent difícil, i la implantació a Kenya és una possibilitat, no un fet.