Ya no te quejarás más del pronóstico del tiempo, y es que Google ha creado una IA capaz de predecirlo con suma precisión mejor que los modelos actuales.
Una de las cosas más difíciles de predecir son las previsiones meteorológicas, y es que si bien hoy día con las nuevas tecnologías se acercan bastante, alguna vez habrás alzado la vista al cielo, y habrás visto que hacía sol cuando habían dicho que iba a llover.
Por suerte Google ha creado una tecnología capaz de generar pronósticos meteorológicos precisos a escala y es más más barata que los pronósticos y métodos actuales.
Scalable Ensemble Envelope Diffusion Sampler (SEEDS) actúa de forma similar a los modelos de lenguaje grande como ChatGPT.
Su tecnología genera muchos más conjuntos o múltiples escenarios meteorológicos más rápido y más baratos que los modelos tradicionales.
Por una parte tenemos las predicciones basadas en física que utilizan actualmente los servicios meteorológicos que conocemos, y que recopilan varias mediciones y dan una predicción final que promedia muchas predicciones modeladas diferentes.
Estas tecnologías actuales también usan modelos de pronóstico deterministas o probabilísticos dónde se introducen variables aleatorias en las condiciones iniciales, pero esto conduce a una tasa de error mayor, haciendo difícil predecir con precisión un clima extremo
Las ventajas de Scalable Ensemble Envelope Diffusion Sampler (SEEDS)
Sin embargo Scalable Ensemble Envelope Diffusion Sampler (SEEDS) de Google produce modelos de previsión a partir de mediciones físicas recopiladas por agencias meteorológicas, analizando las relaciones entre la unidad de energía potencial por masa del campo gravitatorio de la Tierra en la troposfera media y la presión al nivel del mar.
Esta inteligencia artificial puede extrapolar hasta 31 conjuntos de previsiones, basándose solo en uno o dos pronósticos utilizados como datos de entrada.
Por otra parte aclaran que los costes informáticos asociados con la realización de cálculos con Scalable Ensemble Envelope Diffusion Sampler (SEEDS) son insignificantes en comparación con los métodos actuales. Computer Hoy