Un grupo de investigadores de Microsoft Research y el Instituto Tecnológico de Massachusetts (MIT) ha desarrollado un sistema de inteligencia artificial capaz de detectar y corregir fallos sistemáticos en los modelos meteorológicos actuales. Esta herramienta logró aumentar significativamente la precisión de los pronósticos realizados con una antelación de dos a seis semanas. Los resultados de esta innovación fueron divulgados el 14 de octubre en la reconocida revista Nature.
La técnica, conocida como corrección probabilística de sesgos (PBC por sus siglas en inglés), no sustituye a los sistemas de pronóstico existentes. En cambio, actúa como una capa de ajuste posterior que examina los errores pasados de cada modelo y modifica las probabilidades de los distintos escenarios climáticos.
Los pronósticos de este tipo, denominados subestacionales, abarcan un lapso crítico para la planificación agrícola, la gestión de redes eléctricas y la activación de protocolos ante inundaciones, olas de frío u otros eventos extremos. No obstante, su confiabilidad tiende a declinar después de las dos semanas, cuando los pequeños errores iniciales se amplifican.
El sistema ajusta probabilidades en lugar de crear un modelo desde cero
La herramienta examina las predicciones anteriores de un modelo meteorológico y las compara con las condiciones reales que se registraron. De esta forma, identifica sesgos recurrentes que dependen de la ubicación geográfica, la estación del año y la variable analizada, como la temperatura, la precipitación o la presión atmosférica.
El sistema integra dos componentes. El primero se encarga de corregir los errores sistemáticos de cada modelo para una ubicación y una fecha específica. El segundo incorpora observaciones recientes y patrones estacionales para reflejar la evolución inmediata de la atmósfera.
“Conforme se dispone de más previsiones y datos, nuestro modelo mejora de forma adaptativa su corrección”, explicó Judah Cohen, investigador del MIT.
Por su parte, Lester Mackey, de Microsoft Research, señaló que el método aprende las formas en que cada modelo suele equivocarse y genera una estimación mejorada para el período subestacional.
Las pruebas se realizaron en modelos dinámicos, sistemas de inteligencia artificial y configuraciones híbridas. Para los pronósticos de las semanas tercera y cuarta (días 19 a 32), el sistema PBC convirtió estimaciones de baja utilidad predictiva en resultados que superaron consistentemente los promedios históricos esperados para cada fecha y región.
Mejoras en precipitación alcanzaron el 98 % de los objetivos
Cuando se aplicó al modelo operativo del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF), la corrección mejoró el rendimiento en el 98 % de los objetivos de precipitación, el 92 % de los de temperatura y el 91 % de los de presión atmosférica, de acuerdo con los resultados publicados por Microsoft Research.
El mayor progreso se dio en la predicción de lluvias, una variable de alta variabilidad geográfica y temporal. La investigación indicó que el método triplicó la capacidad predictiva positiva del modelo europeo para las precipitaciones en comparación con su versión sin ajustes, y logró mejoras frente a los mecanismos de corrección que ya empleaba el organismo.
La técnica también se evaluó en el Sistema de Predicción con Inteligencia Artificial del ECMWF. Durante 2025, la integración de PBC duplicó el rendimiento promedio de ese sistema en las variables y horizontes analizados: precipitación, temperatura a dos metros y presión media al nivel del mar.
El conjunto de modelos denominado MicroDuet, que combina PBC con un modelo híbrido llamado PoET, obtuvo el primer lugar en todas las variables y plazos del ciclo septiembre-noviembre de la competencia internacional AI Weather Quest 2025.
La propuesta superó a los sistemas ajustados de seis centros operativos de pronóstico, a un conjunto que integraba sus resultados, a tres modelos de inteligencia artificial del ECMWF y a los desarrollos de 34 equipos participantes, según la investigación.
La brecha más notable volvió a estar en las precipitaciones. Mientras los modelos dinámicos ajustados de los seis centros se ubicaron por debajo de la referencia climatológica, MicroDuet duplicó su desempeño en la tercera semana y lo triplicó en la cuarta, en comparación con ese conjunto de modelos.
El sistema también pronosticó una irrupción de aire frío en el este de Estados Unidos durante diciembre de 2025, un evento que el principal modelo dinámico ajustado del ECMWF no había detectado. Los investigadores indicaron que mejoras como esta podrían fortalecer las alertas tempranas para episodios de alto impacto.
El código de PBC se ha publicado como software de código abierto, lo que permite que cualquier centro meteorológico o equipo de investigación evalúe el método con sus propios modelos y archivos de pronósticos.
Fuente: Infobae