Google ha decidido reescribir la forma en que miramos el cielo. WeatherNext 2, su nuevo modelo de predicción meteorológica basado en inteligencia artificial, ya se incorpora a servicios como Search, Gemini o la app Pixel Weather, con la promesa de ofrecer previsiones más rápidas, más detalladas y con un horizonte de 15 días. En un momento en que el clima se vuelve más imprevisible, la tecnología responde con un pulso renovado.
Un motor que abandona la física estricta
Los modelos clásicos de previsión han crecido apoyados en ecuaciones físicas que reproducen el comportamiento de la atmósfera. Esa herencia numérica sigue siendo la base de centros meteorológicos de referencia, pero WeatherNext 2 introduce otro camino. El sistema emplea una arquitectura llamada Functional Generative Network, capaz de generar centenares de escenarios a partir de un único punto de inicio mediante ruido guiado. La estrategia permite anticipar la evolución del tiempo en menos de un minuto y con un solo chip TPU, un contraste notable con las horas que requieren los superordenadores que simulan la atmósfera.
Lo que ofrece cuando se pone en marcha
La segunda generación del modelo mejora los resultados de la primera versión en prácticamente todas las métricas conocidas. Google afirma que las predicciones ganan precisión en un 99,9 por ciento de las variables medidas y que el sistema es hasta ocho veces más rápido. Esa velocidad se traduce en una resolución horaria que permite ajustar decisiones que dependen del clima, desde la gestión de parques eólicos hasta la logística diaria de puertos y aeropuertos. La predicción deja de sentirse como una fotografía estática y empieza a funcionar como una secuencia que se puede consultar casi en tiempo real.
El rastro de datos que sostiene la predicción
El modelo se alimenta de grandes series históricas que cubren variables atmosféricas globales. Google no detalla con precisión qué bases de datos utiliza, pero sí explica que los resultados se pueden consultar y procesar a través de BigQuery, Earth Engine y Vertex AI. Estas plataformas permiten que investigadores y empresas integren directamente las predicciones en sus flujos de trabajo, lo que facilita un uso más flexible en sectores que necesitan una lectura minuciosa del tiempo.
Las grietas que aparecen en los extremos
La velocidad y la amplitud de escenarios que genera la IA conviven con un matiz clave, no siempre supera al enfoque tradicional. Un estudio reciente muestra que, en episodios extremos como olas de calor inéditas o ráfagas de viento excepcionales, los modelos puramente neuronales pueden fallar con más frecuencia que los basados en física. Esa tensión deja claro que los dos sistemas todavía deben convivir, sobre todo cuando se trata de anticipar eventos con impacto directo en la seguridad pública. También persiste un desafío de transparencia, ya que comprender por qué un modelo profundo decide ajustar una trayectoria o modificar una probabilidad sigue siendo una tarea difusa.
La escena global donde compiten los pronósticos
WeatherNext 2 no aterriza en un terreno vacío. Hace dos años, GraphCast ya demostró que la IA podía alcanzar métricas competitivas frente a sistemas numéricos consolidados. La evolución actual amplía el campo de juego, una pista en la que también trabajan organizaciones como el Centro Europeo de Predicción a Medio Plazo o empresas como Nvidia. La competencia se mueve rápido, y convierte la previsión meteorológica en un terreno en el que la innovación se combina con la necesidad de rigor.
Abre un paréntesis en tus rutinas. Suscríbete a nuestra newsletter y ponte al día en tecnología, IA y medios de comunicación.
