La inteligencia artificial revoluciona la predicción de olas de calor y su atribución al cambio climático

Un equipo de científicos españoles ha logrado un hito crucial en la lucha contra el cambio climático. Investigadores del Instituto de Geociencias (IGEO), una colaboración entre el Consejo Superior de Investigaciones Científicas (CSIC) y la Universidad Complutense de Madrid (UCM), han presentado un "método innovador" que utiliza la inteligencia artificial para predecir y atribuir olas de calor al calentamiento global de manera anticipada. Este desarrollo representa un salto cualitativo en la capacidad de la humanidad para entender y prepararse para eventos meteorológicos extremos, ofreciendo una herramienta poderosa y accesible para la toma de decisiones.

La inteligencia artificial agiliza la predicción climática

El estudio, que promete revolucionar la climatología, introduce una metodología híbrida que fusiona las simulaciones climáticas tradicionales con las predicciones meteorológicas generadas por modelos de inteligencia artificial (IA). Lo más destacado de esta técnica es su velocidad y eficiencia.

Mientras que los modelos convencionales requieren de potentes superordenadores y horas de cálculo, este nuevo enfoque permite evaluar el impacto de la actividad humana en una ola de calor "en cuestión de minutos", incluso antes de que el fenómeno ocurra. Este avance no solo acelera la investigación, sino que también democratiza el acceso a información vital sobre la atribución de eventos extremos.

Tres modelos de IA de última generación

El cerebro detrás de esta metodología es una combinación de tres modelos de inteligencia artificial de última generación: FourCastNet-v2 y Pangu-Weather, que operan exclusivamente con IA, y NeuralGCM, que integra la IA con principios de la física atmosférica tradicional. Estos modelos han sido entrenados con vastas cantidades de datos meteorológicos globales, lo que les permite simular la evolución de la atmósfera con una precisión comparable a la de los modelos numéricos convencionales, pero sin la necesidad de una infraestructura de computación masiva. Bernat Jiménez-Estev, investigador del IGEO y autor principal del estudio, subraya que esta eficiencia computacional reduce drásticamente los costes, el consumo energético y, por ende, las emisiones de dióxido de carbono (CO2) asociadas a la investigación climática.

La clave del método de atribución radica en la comparación de dos escenarios: el "mundo factual" y el "mundo contrafactual". El primero representa la predicción de la evolución real de las condiciones atmosféricas, incluyendo el efecto del cambio climático causado por el ser humano. El segundo, el contrafactual, simula cómo se comportaría la atmósfera en un clima preindustrial, es decir, sin la influencia de la actividad humana.

Una herramienta más precisa y accesible

Para generar este escenario hipotético, se utilizan modelos climáticos avanzados que, apoyados por inteligencia artificial, ajustan las condiciones iniciales restando el impacto estimado del cambio climático. La diferencia entre las predicciones de ambos mundos es lo que permite cuantificar el efecto del calentamiento global en un evento antes de que ocurra, ofreciendo una herramienta más precisa y rápida para la toma de decisiones.

Los investigadores enfatizan que la capacidad de esta herramienta para funcionar con menos recursos computacionales es un factor crucial para hacer que la información de atribución sea "operativa, global y equitativa". Hasta ahora, la atribución de eventos extremos era un proceso complejo y costoso, limitado a instituciones con grandes capacidades de supercomputación. Con esta nueva técnica, impulsada por la inteligencia artificial, el conocimiento sobre el impacto del calentamiento global en tiempo real podría estar al alcance de más países e investigadores, fortaleciendo la capacidad de respuesta y mitigación a nivel mundial. Este avance demuestra el potencial transformador de la inteligencia artificial cuando se aplica para abordar los desafíos más urgentes de nuestro planeta.