Un reciente estudio desarrollado por investigadores de tres prestigiosas universidades de Estados Unidos reveló una debilidad clave en los sistemas de predicción del clima impulsados por inteligencia artificial (IA): su dificultad para anticipar eventos meteorológicos sin precedentes. Aunque estas tecnologías han avanzado significativamente en la predicción del tiempo cotidiano, tropiezan ante escenarios inéditos, como huracanes de categoría extrema.
El experimento, publicado en la revista Proceedings of the National Academy of Sciences, fue realizado por científicos de las universidades de Chicago, Nueva York y Santa Cruz (California). Según sus hallazgos, los modelos basados en IA ofrecen buenos resultados cuando trabajan con patrones meteorológicos conocidos, pero su capacidad predictiva disminuye de forma crítica cuando se enfrentan a situaciones fuera del registro histórico con el que fueron entrenados.
Uno de los investigadores, el geofísico Pedram Hassanzadeh, explicó que su equipo entrenó una red neuronal con décadas de datos meteorológicos, omitiendo intencionalmente los huracanes más fuertes (categoría 3 en adelante). Cuando luego se le solicitaron predicciones bajo condiciones similares a un huracán de categoría 5, el modelo no fue capaz de detectarlo correctamente.
“El desafío surge cuando la atmósfera presenta algo que no se ha registrado antes. La IA no tiene forma de anticiparlo porque no lo ha ‘visto’ antes”, indicó Hassanzadeh. Esto plantea un serio problema ante fenómenos extremos que podrían aumentar en frecuencia e intensidad debido al cambio climático.
A diferencia de los modelos tradicionales, que se basan en leyes físicas y ecuaciones, los sistemas de IA funcionan como grandes detectores de patrones. Esto significa que pueden predecir con base en lo conocido, pero no deducir lo inesperado a partir de principios físicos, explicó Dorian Abbot, coautor del estudio y experto de la Universidad de Chicago.
La investigación propone que una posible vía de solución sería integrar fundamentos físicos y matemáticos en los modelos de inteligencia artificial, con el objetivo de lograr predicciones más robustas frente a fenómenos “invisibles” para los datos históricos, pero plausibles según la física atmosférica.
Jonathan Weare, matemático de la Universidad de Nueva York y también parte del equipo investigador, subrayó que estas limitaciones deberían ser tomadas muy en serio por los gobiernos y agencias de meteorología. Una dependencia ciega de estos sistemas podría generar decisiones críticas erradas ante alertas subestimadas por la IA.
Este estudio no busca desestimar el potencial de la inteligencia artificial en meteorología, sino llamar la atención sobre la necesidad de desarrollarla con más rigor y precaución, especialmente en un contexto global donde el clima se vuelve cada vez más impredecible.