Durant dècades, la predicció meteorològica ha depès sobretot dels anomenats models físics, és a dir, grans algoritmes informàtics que divideixen l’atmosfera en una mena de graella tridimensional i calculen, pas a pas, com evolucionaran les diferents variables meteorològiques (temperatura, vent, humitat, pressió, entre moltes altres). És una feina d’una complexitat enorme, que exigeix superordinadors i una quantitat immensa de dades. Actualment, però, la intel·ligència artificial ha entrat amb força en aquest món i està canviant la manera com es fan les previsions.
La idea clau és la següent: en lloc de resoldre totes les equacions físiques que regeixen a l’atmosfera una per una, els models d’IA aprenen patrons a partir de dècades de dades meteorològiques. Dit d’una altra manera, aquests algoritmes s’entrenen amb un gran arxiu del temps passat per aprendre i poder reconèixer com acostuma a evolucionar l’atmosfera en situacions semblants. Això no vol dir que memoritzin el temps, sinó que aprenen relacions molt complexes entre moltes variables meteorològiques a la vegada. Per això poden generar prediccions globals en molt poc temps (sovint en pocs minuts), molt menys del que acostumen a tardar els models físics tradicionals.
Els avenços dels últims anys han estat especialment ràpids. L’any 2023, el model meteorològic basat en IA anomenat Pangu-Weather va mostrar resultats molt competitius en predicció global a mitjà termini. Per altra banda, GraphCast, el model d’IA de Google Deep Mind, va destacar perquè superava en molts casos els models de referència físics en diverses variables i horitzons temporals, a més de predir amb molta habilitat fenòmens com les trajectòries dels ciclons tropicals, els rius atmosfèrics o les temperatures extremes. Més endavant, GenCast (l’evolució del model de Google Deep Mind) va fer un pas més enllà incorporant prediccions probabilístiques, és a dir, no només una previsió única, sinó un conjunt d’escenaris possibles. Actualment, el Centre Europeu de Previsions Meteorològiques a Mitjà Termini (ECMWF) ja ha fet operatiu el seu propi model meteorològic basat en intel·ligència artificial anomenat AIFS, cosa que confirma que la IA ja no és només una promesa de laboratori, sinó una eina real dins la meteorologia moderna.
Tot i això, no hi ha un únic model millor per a tot. En general, els models d’IA han mostrat resultats molt bons en variables i patrons de gran escala com ara la temperatura, la pressió, el vent en altura o la trajectòria dels ciclons tropicals. També destaquen per la seva velocitat: poden generar pronòstics globals en molt menys temps i amb un menor cost computacional que els models físics tradicionals.
Quan parlem de precipitació, sobretot de la pluja intensa, les tempestes molt locals o els fenòmens convectius de petita escala, la situació és més complexa. Aquí entren en joc processos molt ràpids i molt locals que fan que, de moment, encara sigui un dels grans reptes. Ara bé, la IA també hi està avançant de pressa i ja comença a oferir resultats prometedors en alguns sistemes d’alta resolució.
Tot això explica per què el futur més probable no és una substitució total dels models físics, sinó una convivència cada cop més intel·ligent entre els dos camps: la intel·ligència artificial i la meteorologia. De fet, els grans centres meteorològics ja treballen en sistemes híbrids, que combinen el millor dels dos mons: la gran habilitat de la IA per captar patrons a escala planetària i la solidesa física dels models tradicionals per representar millor processos de petita escala, extrems o molt dependents de la superfície, l’orografia o l’oceà.
També està canviant la manera com s’entén la previsió. Abans, sovint es buscava la predicció, però ara cada vegada és més important estimar la incertesa, és a dir, saber no només què és més probable que passi, sinó també quins escenaris alternatius són possibles. En aquest terreny, els nous models probabilístics basats en IA són especialment rellevants perquè generen conjunts de prediccions i ajuden a respondre preguntes molt útils per a la societat: quina és la probabilitat d’una onada de calor? Quin risc hi ha de pluja intensa? Fins a quin punt pot canviar la trajectòria d’un cicló?
Mirant cap al futur, tot apunta que la IA continuarà millorant sobretot en tres direccions. La primera és l’augment de resolució espacial, per tal d’apropar-se millor al temps que percebem a peu de carrer. La segona és la integració directa d’observacions meteorològiques amb sistemes capaços d’assimilar dades gairebé en temps real i transformar-les en pronòstics més ràpids i precisos. Finalment, la tercera és la creació d’eines de suport a la decisió que ajudin a transformar les prediccions en avisos i, per tant, en informació útil per a la població.
Per tant, la resposta a la gran pregunta és clara: sí, la intel·ligència artificial ajudarà a millorar les prediccions meteorològiques i, de fet, ja ho està fent actualment. Probablement ho farà especialment bé en patrons atmosfèrics de gran escala, temperatura, vent, trajectòries de ciclons i predicció probabilística. En canvi, els avenços seran més graduals en precipitació convectiva, fenòmens molt locals, vents extrems, boires o processos fortament lligats al relleu i a la capa més baixa de l’atmosfera. La bona notícia és que, ara per ara, no cal triar entre física o IA. El camí més prometedor és fer-les anar de bracet. I això, més que una revolució puntual, sembla l’inici d’una nova etapa en la manera de comprendre i predir el temps futur.