China recurre a modelos de IA de desarrollo propio para mejorar los pronósticos de fenómenos meteorológicos extremos
- China está impulsando modelos de IA desarrollados internamente como soluciones para la predicción operativa de fenómenos meteorológicos extremos.
- También tiene previsto exportar varios ejemplares a través de la iniciativa de la ONU "Alertas Tempranas para Todos".
- Los países del Sur Global están probando o ya están utilizando estas herramientas para combatir tifones e inundaciones.
China ha encontrado una nueva ruta en su empeño por convertirse en una potencia mundial de la IA, ya que la agencia meteorológica del país y los institutos de investigación han puesto los modelos de IA de desarrollo nacional a la vanguardia de su sistema de monitoreo y pronóstico de tifones.
La mayor economía de Asia ya tiene la vista puesta en rutas de expansión, ya que planea extender los sistemas de IA que ya utiliza en el país a otros países en desarrollo, especialmente a aquellos con riesgo extremo de fenómenos meteorológicos adversos en la región de Asia-Pacífico.
China está construyendo un sistema meteorológico con inteligencia artificial para el mundo
Si bien China fue el primer cliente de sus laboratorios meteorológicos nacionales basados en inteligencia artificial, el país también ha manifestado su ambición de permitir que se extiendan por todo el mundo, convirtiéndose potencialmente en el estándar global.
Según un informe de Xinhua difundido por la Oficina de Información del Consejo de Estado, la Administración Meteorológica de China (CMA) presentó el modelo de lenguaje a gran escala de los servicios meteorológicos Fenghe en la Conferencia Mundial de Inteligencia Artificial de este año en Shanghái como un proyecto global de código abierto.
El modelo Fenghe envía información meteorológica personalizada y alertas de riesgo a los usuarios chinos.
La iniciativa de las Naciones Unidas "Alertas Tempranas para Todos" recibió la versión internacional, que ofrece consultas en chino e inglés y permite a los desarrolladores crear sus propias aplicaciones a partir del modelo.
¿Qué países ya utilizan modelos meteorológicos de IA chinos?
Pakistán, Yibuti, Etiopía, Jordania, Mongolia, las Islas Salomón y Sri Lanka son siete de los países en desarrollo que ya han integrado modelos meteorológicos de IA chinos directamente en las operaciones diarias de respuesta ante desastres.
Sin embargo, están utilizando un modelo diferente al de Fenghe. En su lugar, utilizan Mazu (Alerta Multirriesgo, Sin Brecha y Universal), otro sistema de la CMA, que se encuentra más avanzado en su proceso de popularización.
Pan Jinjun, ingeniero jefe de la CMA, calificó a Mazu como un "bien público internacional" que proporciona "servicios de alerta temprana personalizados para los países en desarrollo"
Otros 40 países del Sur Global ya están experimentando con una versión más rápida del sistema en la nube pública, que lleva el nombre de la diosa del mar.
¿Pueden los sistemas meteorológicos basados en IA mejorar la vigilancia de los tifones?
La investigación está dando resultados tangibles. Científicos del Instituto de Física Atmosférica de la Academia China de Ciencias, en colaboración con la Universidad de Fudan, combinaron el modelo meteorológico chino FuXi AI con un método que denominan Perturbaciones Óptimas No Lineales Condicionales Ortogonales (O-CNOPs, por sus siglas en inglés) para predecir la trayectoria que podría seguir una tormenta. PreventionWeb publicó este trabajo el 1 de agosto.
En 62 casos de tifones y 91 experimentos comparativos, el sistema combinado FuXi-CNOPs igualó a los mejores conjuntos operativos globales a 24 horas y los superó entre 24 y 120 horas de antelación, reduciendo los errores máximos de trachasta en un 32,33 % y ajustando las estimaciones de incertidumbre hasta en un 29,2 %, según el equipo dirigido por los investigadores Duan Wansuo y Li Hao.
El estudio se publicó en la revista Advances in Atmospheric Sciences. Duan declaró al Global Times que este método no requiere entrenamiento adicional de los modelos a gran escala, lo que reduce los costos computacionales y facilita su implementación en las operaciones diarias.
Una pila de modelos chinos alimentando el empuje
Estas herramientas se basan en varios modelos de predicción chinos que han llamado la atención internacional. FengWu, desarrollado por investigadores de Shanghái, genera pronósticos globales con una resolución de 0,25 grados.
En un estudio publicado en Communications Earth & Environment, superó al modelo de alta resolución del Centro Europeo de Previsiones Meteorológicas a Medio Plazo, así como a Pangu-Weather y GraphCast, extendió las previsiones precisas más allá de los 10 días y redujo el error en tracde los ciclones tropicales a cinco días a 201 kilómetros para 2022.
Pangu-Weather de Huawei, otro sistema de desarrollo propio, genera pronósticos mucho más rápido que la predicción numérica tradicional, y Huawei afirma que tanto el ECMWF como el Centro Meteorológico Nacional de la CMA han confirmado sus ventajas. En conjunto, estos modelos proporcionan a Pekín una base nacional sobre la que apoyarse al promocionar su IA meteorológica en el extranjero.
Si estás leyendo esto, ya llevas ventaja. Mantente al día con nuestro boletín informativo.
Preguntas frecuentes
¿Qué es Fenghe?
Fenghe es un modelo de lenguaje de gran escala de código abierto para servicios meteorológicos, desarrollado por la Administración Meteorológica de China. Fue entrenado con 50 millones de tokens de datos meteorológicos y presentado en la Conferencia Mundial de Inteligencia Artificial de 2026 en Shanghái. Su versión internacional forma parte de la iniciativa de Alerta Temprana para Todos de la ONU.
¿Qué países utilizan el sistema de alerta temprana Mazu de China?
Siete países en desarrollo han implementado Mazu sobre el terreno: Pakistán, Yibuti, Etiopía, Jordania, Mongolia, las Islas Salomón y Sri Lanka, mientras que una versión en la nube pública ha sido probada por 40 países del Sur Global.
¿Cuánto mejoró el sistema FuXi-CNOPs las predicciones de tifones?
Según el equipo de investigación, en 62 casos de tifones, el sistema redujo los errores máximos trachasta en un 32,33 % en el intervalo de 24 a 120 horas y mejoró la precisión de la cuantificación de la incertidumbre hasta en un 29,2 %.
Hannah Collymore
Hannah es escritora y editora con casi una década de experiencia en redacción de blogs y reportajes sobre eventos en el ámbito de las criptomonedas. En Cryptopolitan, colabora en la sección de noticias, informando y analizando las últimas novedades en DeFi, RWA, regulación de criptomonedas, IA y tecnologías de vanguardia. Se graduó en Administración de Empresas por la Universidad de Arcadia.
