Super Niño: una IA desarrollada por investigadores del MIT y Microsoft permite pronosticar tormentas con un mes de anticipación
Científicos del MIT y Microsoft diseñaron un sistema de aprendizaje automático capaz de anticipar fenómenos meteorológicos extremos en el período subestacional, superando los límites históricos de la predicción atmosférica.
Redacción Vía PaísPronosticar las condiciones meteorológicas más allá de los diez días ha representado históricamente un enorme desafío técnico para los especialistas de todo el mundo. En esa franja de tiempo conocida como el "desierto de la predictibilidad", los modelos tradicionales pierden precisión debido a la constante volatilidad de la atmósfera. Sin embargo, un equipo de científicos del Instituto de Tecnología de Massachusetts (MIT) y Microsoft desarrolló un innovador método de aprendizaje automático capaz de cerrar esa brecha histórica.
Es oficial | Super Niño: arrestos y multas millonarias por arrojar basura en los canales de esta provincia argentina
El sistema utiliza un enfoque denominado Corrección Probabilística de Sesgos (PBC), el cual analiza datos históricos para identificar y corregir automáticamente los errores de los modelos convencionales. Al aplicarse sobre las herramientas de predicción europeas, la tecnología logró duplicar la efectividad en el horizonte subestacional. Este avance permitió prever dos intensas tormentas invernales en Estados Unidos con un margen previo de entre 19 y 26 días.
La importancia de anticipar fenómenos meteorológicos extremos
La capacidad de calcular el impacto de grandes nevadas, olas de calor o lluvias torrenciales vinculadas al Súper Niño resulta fundamental para la planificación urbana y la prevención de emergencias. El investigador del MIT y coautor del estudio publicado en la revista Nature, Judah Cohen, destacó la utilidad de este hallazgo: "Obviamente, aún no tienen la precisión de los pronósticos meteorológicos a corto plazo, pero al menos están llegando a un nivel respetable y, lo que es más importante, resultan útiles para la toma de decisiones".
Esta herramienta permite identificar eventos climáticos severos antes de ingresar a los promedios climatológicos tradicionales. Al cuantificar y corregir en tiempo real las desviaciones presentes en los modelos de predicción, se obtienen datos mucho más confiables para las distintas áreas de respuesta. Esto facilita la movilización de recursos y supera el rendimiento de las estimaciones estándar en ventanas de tiempo de entre dos y seis semanas.
El sencillo truco para tender la ropa dentro de casa y que no tenga olor a humedad
Un complemento técnico sin sustituir los monitoreos locales
Aunque los resultados del modelo representan un progreso significativo, la comunidad científica aconseja analizar su alcance con cautela. Especialistas en climatología señalan que, si bien la herramienta amplía la capacidad operativa, aún persisten barreras físicas en la atmósfera que impiden obtener predicciones exactas a muy largo plazo. Además, la dinámica de cada región requiere análisis específicos según las variables del hemisferio y las corrientes locales.
El propio Cohen reconoció que la tecnología continuará recibiendo ajustes para incrementar su efectividad: "Nuestro modelo mostró una mejora significativa, aunque todavía modesta, en la predicción de fenómenos meteorológicos extremos". Integrar estas herramientas digitales con las observaciones locales permitirá fortalecer los sistemas de alerta temprana en distintas partes del globo. Seguir perfeccionando los algoritmos climáticos constituye un paso clave para proteger a las poblaciones frente al cambio ambiental.
