Uno de los avances científicos más significativos del siglo pasado fue la capacidad de simular sistemas físicos complejos mediante modelos numéricos y, con ello, predecir su evolución. Entre estos, cabe destacar los modelos numéricos que revolucionaros la predicción del tiempo. No obstante, estos modelos son complejos y costosos desde el punto de vista computacional, y no aprenden de los patrones meteorológicos del pasado.

A finales de 2023, la revista Science publicó un estudio que mostraba, por primera vez, cómo un modelo meteorológico basado en Inteligencia Artificial (GraphCast, de Google DeepMind) superaba significativamente a los modelos numéricos de predicción a escala global con hasta 10 días de antelación a una resolución global de 0.25°. En el estudio, GraphCast demostró un rendimiento superior al del principal sistema convencional del mundo, operado por el Centro Europeo de Predicción Meteorológica a Medio Plazo (ECMWF). En una evaluación exhaustiva, GraphCast superó al sistema del ECMWF en el 90% de 1.380 parámetros, entre ellos temperatura, presión, velocidad y dirección del viento y humedad en diversos niveles atmosféricos, y fenómenos meteorológicos como ciclones tropicales, ríos atmosféricos y temperaturas extremas. GraphCast proporciona, a su vez, predicciones con mucha rapidez: en menos de un minuto ofrece cientos de variables meteorológicas a escala global con la citada resolución espacial.

A selection of GraphCast’s predictions rolling across 10 days showing specific humidity at 700 hectopascals (about 3 km above surface), surface temperature, and surface wind speed