Google ha decidit reescriure la forma en què mirem el cel. WeatherNext 2, el seu nou model de predicció meteorològica basat en intel·ligència artificial, ja s’incorpora a serveis com Search, Gemini o l’app Pixel Weather, amb la promesa d’oferir previsions més ràpides, més detallades i amb un horitzó de 15 dies. En un moment en què el clima es torna més imprevisible, la tecnologia respon amb un pols renovat.
Un motor que abandona la física estricta
Els models clàssics de previsió han crescut recolzats en equacions físiques que reprodueixen el comportament de l’atmosfera. Aquesta herència numèrica continua sent la base de centres meteorològics de referència, però WeatherNext 2 introdueix un altre camí. El sistema empra una arquitectura anomenada Functional Generative Network, capaç de generar centenars d’escenaris a partir d’un únic punt d’inici mitjançant soroll guiat. L’estratègia permet anticipar l’evolució del temps en menys d’un minut i amb un sol xip TPU, un contrast notable amb les hores que requereixen els superordinadors que simulen l’atmosfera.
El que ofereix quan es posa en marxa
La segona generació del model millora els resultats de la primera versió en pràcticament totes les mètriques conegudes. Google afirma que les prediccions guanyen precisió en un 99,9% de les variables mesurades i que el sistema és fins a vuit vegades més ràpid. Aquesta velocitat es tradueix en una resolució horària que permet ajustar decisions que depenen del clima, des de la gestió de parcs eòlics fins a la logística diària de ports i aeroports. La predicció deixa de sentir-se com una fotografia estàtica i comença a funcionar com una seqüència que es pot consultar gairebé en temps real.
El rastre de dades que sosté la predicció
El model s’alimenta de grans sèries històriques que cobreixen variables atmosfèriques globals. Google no detalla amb precisió quines bases de dades utilitza, però sí que explica que els resultats es poden consultar i processar a través de BigQuery, Earth Engine i Vertex AI. Aquestes plataformes permeten que investigadors i empreses integrin directament les prediccions en els seus fluxos de treball, cosa que facilita un ús més flexible en sectors que necessiten una lectura minuciosa del temps.
Les esquerdes que apareixen en els extrems
La velocitat i l’amplitud d’escenaris que genera la IA conviuen amb un matís clau, no sempre supera l’enfocament tradicional. Un estudi recent mostra que, en episodis extrems com onades de calor inèdites o ràfegues de vent excepcionals, els models purament neuronals poden fallar amb més freqüència que els basats en física. Aquesta tensió deixa clar que els dos sistemes encara han de conviure, sobretot quan es tracta d’anticipar esdeveniments amb impacte directe en la seguretat pública. També persisteix un desafiament de transparència, ja que comprendre per què un model profund decideix ajustar una trajectòria o modificar una probabilitat continua sent una tasca difusa.
L’escena global on competeixen els pronòstics
WeatherNext 2 no aterra en un terreny buit. Fa dos anys, GraphCast ja va demostrar que la IA podia assolir mètriques competitives davant de sistemes numèrics consolidats. L’evolució actual amplia el camp de joc, una pista en la qual també treballen organitzacions com el Centre Europeu de Predicció a Mitjà Termini o empreses com Nvidia. La competència es mou de pressa, i converteix la previsió meteorològica en un terreny on la innovació es combina amb la necessitat de rigor.
Obre un parèntesi en les teves rutines. Subscriu-te al nostre butlletí i posa’t al dia en tecnologia, IA i mitjans de comunicació.
