China se apoya en modelos de IA autóctonos para mejorar las predicciones de fenómenos meteorológicos extremos

China ha encontrado una nueva vía en su impulso para convertirse en una potencia mundial de la IA, ya que la agencia meteorológica del país y los institutos de investigación han colocado modelos de IA construidos a nivel nacional en la primera línea de su sistema de monitorización y predicción de tifones. 

La mayor economía de Asia también ya tiene puestos los ojos en las rutas de expansión, ya que ahora está planeando difundir los sistemas de IA ya en uso en el país a otros países en desarrollo, especialmente aquellos en riesgo de fenómenos meteorológicos extremos en Asia y el Pacífico.

China está construyendo un sistema meteorológico de IA para el mundo 

Aunque China fue el primer cliente de sus laboratorios domésticos de IA meteorológica, el país también ha manifestado su ambición de permitir que se expandan por todo el mundo, convirtiéndose potencialmente en el estándar global. 

Según un Informe de Xinhua transmitido por la Oficina de Información del Consejo de Estado, la Administración Meteorológica de China (CMA) presentó el modelo de lenguaje grande de servicios meteorológicos Fenghe en la Conferencia Mundial de Inteligencia Artificial de este año en Shanghái como un proyecto de código abierto global. 

El modelo Fenghe difunde información meteorológica personalizada y alertas de riesgo para los usuarios chinos. 

La iniciativa Early Warnings for All de las Naciones Unidas recibió la versión internacional, que ofrece consultas en chino e inglés y permite a los desarrolladores construir sus propias aplicaciones sobre el modelo.

¿Qué países ya están utilizando modelos chinos de IA meteorológica?

Pakistán, Yibuti, Etiopía, Jordania, Mongolia, las Islas Salomón y Sri Lanka son siete de los países en desarrollo que ya han integrado modelos chinos de IA meteorológica directamente en sus operaciones diarias de gestión de desastres. 

Sin embargo, están ejecutando un modelo diferente al de Fenghe. En su lugar, están ejecutando Mazu (Multi-hazard Alert, Zero-gap and Universal, Alerta de múltiples peligros, Cero brechas y Universal), otro sistema de la CMA, que está más avanzado en su agenda de popularización.

Pan Jinjun, ingeniero jefe de la CMA, calificó a Mazu como un «bien público internacional» que ofrece «servicios de alerta temprana adaptados a las naciones en desarrollo». 

Otros 40 países del Sur Global ya están experimentando con una versión más rápida en la nube pública del sistema, nombrada en honor a la diosa del mar.

¿Pueden los sistemas meteorológicos de IA mejorar la monitorización de tifones? 

El lado de la investigación está produciendo ganancias medibles. Científicos del Instituto de Física Atmosférica de la Academia China de Ciencias, trabajando con la Universidad de Fudan, combinaron el modelo meteorológico de IA FuXi de China con un método que llaman Perturbaciones Óptimas No Lineales Condicionales Ortogonales, o O-CNOPs, para mapear el rango de trayectorias que podría tomar una tormenta. PreventionWeb informó sobre el 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 las 24 horas y los superó de 24 a 120 horas, reduciendo los errores máximos de trayectoria hasta en un 32,33 % y ajustando las estimaciones de incertidumbre hasta en un 29,2 %, según el equipo liderado por los investigadores Duan Wansuo y Li Hao. 

El estudio apareció en Advances in Atmospheric Sciences. Duan dijo a Global Times que el enfoque no requiere entrenamiento adicional de modelos grandes, lo que mantiene bajos los costes de computación y facilita su despliegue en las operaciones diarias.

Una pila de modelos chinos impulsando el avance

Estas herramientas se sitúan sobre varios modelos de predicción chinos que han llamado la atención internacional. FengWu, desarrollado por investigadores de Shanghái, produce predicciones globales a una resolución de 0,25 grados. 

En un estudio publicado en Communications Earth & Environment, superó al modelo de alta resolución del Centro Europeo para Predicciones Meteorológicas a Plazo Medio, así como a Pangu-Weather y GraphCast, extendiendo las predicciones útiles más allá de la marca de 10 días y reduciendo el error de trayectoria de ciclones tropicales a cinco días a 201 kilómetros para 2022.

Pangu-Weather de Huawei, otro sistema autóctono, genera predicciones 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. Juntos, los modelos dan a Pekín una base nacional de la que depender mientras presenta su IA meteorológica en el extranjero.