Cada cop més gent pregunta a un xatbot quin clima fa en un lloc o com ha canviat, i cada cop més empreses l'utilitzen per fer càlculs que depenen d'aquesta mena de dades. Un estudi publicat a la revista «Artificial Intelligence for the Earth Systems», de la Societat Meteorològica Americana (AMS), s'ha preguntat fins a quin punt els grans models de llenguatge saben de clima local només amb el que van aprendre durant l'entrenament, sense consultar cap base de dades.
El treball, titulat «Climate Knowledge in Large Language Models», va provar diversos models, entre els quals GPT i Gemma. Segons la nota de la societat, els models capten bé els patrons amplis de temperatura, però amb errors típics d'uns 3 a 6 °C quan se'ls demana la xifra d'un lloc. Els resultats són pitjors en zones muntanyoses. Afegir el nom del lloc a les coordenades va fer baixar els errors al voltant d'un 27%.
Pel que fa a l'escalfament, els models reprodueixen l'ordre de magnitud de l'augment recent de la temperatura global, però els costa de reproduir-ne els patrons geogràfics. Els autors recomanen contrastar sempre les dades climàtiques que dona un xatbot amb fonts oficials. La conclusió té interès pràctic: una dada que sona plausible no equival a una dada fiable, i una resposta pot ser bona de mitjana i dolenta precisament al poble o a la vall que et toca.
Hi ha límits. La nota de premsa no nomena els autors i adverteix que el resum no ha estat revisat ni validat per ells; per conèixer les conclusions formals cal llegir l'article complet. Tampoc no precisa quins models exactes ni quines versions es van provar més enllà de GPT i Gemma. Els resultats descriuen models que responen de memòria, i no sistemes que consultin dades climàtiques en directe.