Autor/es reacciones

Robert Monjo

Director de Investigación e Innovación de la Fundación para la Investigación del Clima (FIClima) y profesor asociado en el Departamento de Álgebra, Geometría y Topología de la Universidad Complutense de Madrid (UCM)

Los trabajos confirman la apertura de nuevos horizontes para las técnicas IA empleadas en predicción operativa. Estas ideas de vanguardia combinan aprendizaje profundo (de las estadísticas observadas en el pasado) con geometría computacional (estructuras de cálculo muy eficientes) aplicada al diseño de las arquitecturas de sus algoritmos. La implementación de IA en predicción meteorológica en Europa se ha ido desarrollando en las últimas décadas y, con los recientes resultados de ambos trabajos, compiten directamente con los métodos tradicionales. 

Sin embargo, a pesar de los indudables avances, este tipo de técnicas podrían presentar limitaciones en la adecuada predicción de eventos que nunca antes habían sucedido. Este punto es crítico, especialmente en el contexto actual de cambio climático abrupto (con calentamientos oceánicos nunca antes registrados). Para asegurar el mayor éxito del aprendizaje profundo, estas técnicas necesitan combinarse con las ecuaciones dinámicas de los modelos numéricos de predicción meteorológica. La combinación de técnicas estadísticas y dinámicas es clave para modelizar la incertidumbre y reducirla mediante ponderaciones según la habilidad mostrada en cada caso. 

ES