Eine vom KIT und der Universität Genf geleitete Studie zeigt Grenzen von KI-basierten Wettervorhersagen bei Stürmen sowie Hitze- und Kältewellen mit Rekordwerten
🌎 Resumen científico para la comunidad KIT en Sudamérica
Un reciente estudio internacional liderado por el Karlsruher Institut für Technologie (KIT) y la Universidad de Ginebra ha evaluado la capacidad de los modelos de inteligencia artificial (IA) para predecir eventos meteorológicos extremos, como olas de calor, frío y tormentas que superan récords históricos. Si bien los modelos de IA han avanzado notablemente y ofrecen pronósticos rápidos y eficientes en condiciones meteorológicas habituales, la investigación demuestra que, ante fenómenos extremos, los modelos numéricos basados en física —como el modelo HRES del Centro Europeo de Predicción Meteorológica a Medio Plazo— siguen siendo más confiables.
El análisis comparó modelos de IA líderes (GraphCast, Pangu Weather y Fuxi) con el modelo físico HRES, encontrando que la IA tiende a subestimar tanto la intensidad como la frecuencia de eventos extremos. Esta limitación se debe a que los sistemas de IA aprenden de datos históricos y tienen dificultades para extrapolar más allá de los valores previamente observados, mientras que los modelos físicos se basan en leyes fundamentales que permiten prever situaciones inéditas.
La investigación subraya la importancia de no depender exclusivamente de la IA en sistemas de alerta temprana y gestión de desastres, recomendando el uso combinado de ambos enfoques y el desarrollo de modelos híbridos que integren física e IA. Además, se proponen estrategias para robustecer la IA, como enriquecer los datos de entrenamiento con simulaciones de eventos extremos y aplicar métodos estadísticos avanzados.
🤝 Llamado a la acción para la cooperación Chile-KIT:
Dada la vulnerabilidad de Chile a eventos meteorológicos extremos —como olas de calor, sequías y tormentas—, invito a instituciones chilenas, tanto académicas como gubernamentales, a explorar colaboraciones con el KIT en el desarrollo y validación de modelos híbridos de predicción meteorológica. Un proyecto conjunto podría enfocarse en adaptar y probar estos modelos en el contexto climático chileno, fortaleciendo los sistemas de alerta temprana y la resiliencia ante desastres naturales en la región.
Más información
Agregar un comentario