Los modelos meteorológicos basados en inteligencia artificial han avanzado de forma muy rápida en los últimos años y ya compiten con los sistemas tradicionales en muchas tareas de predicción. Herramientas como GraphCast, Pangu-Weather o Fuxi pueden generar pronósticos globales en apenas minutos y con un coste computacional muy inferior al de los modelos numéricos clásicos. Sin embargo, su rendimiento sigue siendo desigual cuando se enfrentan a fenómenos meteorológicos extremos.  

Un reciente estudio comparó varios modelos de IA con el sistema HRES del Centro Europeo de Predicción Meteorológica a Medio Plazo (ECMWF), basado en ecuaciones físicas de la atmósfera. Los resultados muestran que los modelos tradicionales siguen siendo más precisos para prever récords de calor, frío y viento, especialmente en eventos fuera de los patrones históricos utilizados para entrenar las redes neuronales.  

La principal limitación de la IA es que aprende a partir de datos pasados y tiende a interpolar comportamientos ya conocidos, pero tiene dificultades para extrapolar situaciones inéditas o muy extremas. Esto provoca que muchos modelos subestimen la intensidad y frecuencia de fenómenos severos, algo especialmente preocupante en un contexto de calentamiento global donde los eventos extremos son cada vez más frecuentes.  

A pesar de ello, los expertos consideran que la IA tendrá un papel cada vez más importante en meteorología, aunque como complemento y no sustituto de los modelos físicos. El enfoque híbrido, combinando ecuaciones atmosféricas, observaciones y aprendizaje automático, aparece actualmente como la vía más sólida para mejorar la precisión, velocidad y capacidad de anticipación de las predicciones futuras. 

Sobre este tema hablamos con Paco Martín León, meteorólogo jubilidado de AEMET, y colaborador de Meteored. Pincha en la imagen y escucha la entrevista.