Los investigadores de IBM y la NASA publicaron esta semana un modelo climático de IA de código abierto diseñado para predecir con precisión los patrones meteorológicos y consumir menos recursos informáticos en comparación con las simulaciones tradicionales basadas en la física. Desarrollado como parte de una colaboración entre IBM y la NASA con la ayuda del Laboratorio Nacional Oak Ridge del Departamento de Energía de EE. UU., el modelo base de 2.300 millones de parámetros llamado Prithvi WxC se entrenó con 40 años de datos de observación del conjunto de datos Modern-Era Retrospective Analysis for Research and Applications, Version 2 (MERRA-2) de la NASA. A pesar del diminuto tamaño del modelo, los investigadores dicen que aún pudo generar con precisión las temperaturas superficiales globales utilizando una muestra aleatoria que contenía solo el 5 por ciento de los datos originales. También creen que el modelo es particularmente adecuado para simular el comportamiento de huracanes y ríos atmosféricos. Sin embargo, la verdadera ventaja del modelo puede ser simplemente su flexibilidad. IBM y la NASA no son los únicos que experimentan con modelos de IA para la previsión meteorológica y climática. Por ejemplo, los investigadores de Google detallaron un enfoque novedoso para reforzar la precisión de los pronósticos al aumentar los modelos de física existentes con aprendizaje automático. Mientras tanto, Nvidia ha estado trabajando arduamente para expandir las capacidades de sus modelos climáticos Earth-2. Lo que distingue los esfuerzos de IBM y la NASA es que Prithvi WxC es un modelo base, lo que significa que se puede adaptar para servir a cualquier número de casos de uso que van desde el pronóstico meteorológico a corto plazo hasta las proyecciones climáticas a largo plazo. «Este espacio ha visto el surgimiento de grandes modelos de IA que se centran en un conjunto de datos fijo y un solo caso de uso, principalmente el pronóstico. Hemos diseñado nuestro modelo base meteorológico y climático para ir más allá de tales limitaciones para que pueda ajustarse a una variedad de entradas y usos», dijo Juan Bernabe-Moreno, director de IBM Research Europe, en un comunicado esta semana. Para respaldar la creación de nuevos modelos climáticos basados en Prithvi WxC, IBM y la NASA lo han lanzado en Hugging Face junto con un par de modelos afinados diseñados para la reducción de escala del clima y el tiempo y la parametrización de las ondas de gravedad. Si no está familiarizado con la reducción de escala del clima, se refiere a tomar datos de entrada de baja resolución, como la temperatura, la precipitación o la velocidad del viento, de un modelo de mayor escala y usar probabilidades estadísticas o dinámicas para generar un pronóstico de mayor resolución. Las ondas de gravedad, por otro lado, son un fenómeno que afecta a varios procesos atmosféricos, incluida la formación de nubes e incluso la turbulencia de los aviones. El objetivo es que los investigadores de todo el mundo puedan tomar estos modelos y adaptarlos a sus necesidades particulares, ya sea mejorando los tiempos de advertencia para condiciones climáticas severas o mejorando las simulaciones climáticas globales. «El modelo de la Fundación NASA nos ayudará a producir una herramienta que la gente pueda usar [for] «El modelo Prithvi WxC es un proyecto de ingeniería de software que permite a los ingenieros de sistemas de inteligencia artificial (IA) realizar proyecciones meteorológicas, estacionales y climáticas para ayudar a informar las decisiones sobre cómo prepararse, responder y mitigar», dijo Karen St Germain, directora de la División de Ciencias de la Tierra de la NASA, en un comunicado. Y debido a que Prithvi WxC es tan pequeño, es posible que esto ni siquiera requiera tanto cálculo, al menos no en comparación con los grandes modelos de lenguaje que impulsan los chatbots de IA como Copilot o Gemini. Según el documento, el modelo se entrenó desde cero utilizando un grupo relativamente pequeño de 64 Nvidia A100. En teoría, ajustar el modelo debería requerir mucho, mucho menos que eso, lo que lo hace muy accesible para varios centros climáticos, muchos de los cuales ya están actualizando sus grupos de supercomputación con particiones de GPU. Según IBM, uno de los primeros en poner en uso el modelo es el gobierno canadiense, que ha comenzado a adaptar el modelo para incluir casos de uso adicionales de pronóstico del tiempo. En particular, Environment and Climate Change Canada (ECCC), el departamento que dirige el proyecto, está buscando utilizar el modelo para pronósticos de precipitaciones a muy corto plazo al introducir datos de radar en tiempo real en el modelo. El ECCC también está experimentando con la reducción de escala para generar pronósticos hasta escala kilométrica.
Deja una respuesta