Una IA logra pronosticar tormentas con un mes de antelación: «Pone fin al desierto de la predictibilidad»

Para los meteorólogos, intentar pronosticar si lloverá o si habrá una ola de frío dentro de un mes es muy parecido a ir a un casino y tirar los dados. Las predicciones meteorológicas pocas veces pasan de los 10 días, con suerte alcanzan los 15, y pocas veces aciertan con tanta antelación. Buscar qué tiempo hará con un margen de entre dos semanas y un mes y medio es entrar de lleno en el llamado «desierto de la predictibilidad»: hay demasiadas posibilidades como para ver con claridad la configuración de la atmósfera. Ahora un equipo de científicos asegura haber dado un paso crucial para cerrar esa brecha: han desarrollado una IA que llegó a anticipar con entre 19 y 26 días de margen dos devastadoras tormentas invernales que azotaron Estados Unidos a principios de 2026. Matizan, eso sí, que todavía hay margen de mejora. El equipo, liderado por investigadores del MIT y de Microsoft, ha publicado este miércoles en 'Nature' una muestra de su trabajo. Se trata de un nuevo método de aprendizaje automático que ha logrado las mejores cifras de acierto vistas hasta ahora en el llamado 'periodo subestacional'. El sistema utiliza un enfoque novedoso: aprende a corregir los errores que cometen los modelos de pronóstico. Al aplicarlo al modelo que se utiliza en Europa, de hecho, el sistema duplicó la precisión de las predicciones.¿Son sus hallazgos suficientes para poner fin al llamado «desierto de la predictibilidad»? «En gran medida diría que sí, ya que por primera vez se ha demostrado la precisión —o habilidad— de los pronósticos en el horizonte subestacional», asegura por correo a ABC Judah Cohen, coautor e investigador del MIT. «Obviamente, aún no tienen la precisión de los pronósticos meteorológicos a corto plazo —y quizá ni siquiera la de los de largo plazo—, pero al menos están llegando a un nivel respetable y, lo que es más importante, resultan útiles para la toma de decisiones». Mejora significativa, pero modestaEn una predicción a corto plazo, los meteorólogos son capaces de ver el comportamiento de los sistemas de presión como borrascas o frentes con bastante claridad. Detectan el comportamiento individual de los sistemas de presión para los siguientes días. Pero una vez pasada una semana respecto a la situación inicial, las posibilidades se multiplican y las predicciones se vuelven cada vez menos fiables. A partir de los 10 días, la meteorología empieza a utilizar promedios. Así se hace para la predicción estacional, la que se hace a tres meses vista: como se nutre de muchos modelos que pueden discrepar entre ellos se hace una predicción por conjuntos que muestra si en promedio, en los próximos dos o tres meses, las borrascas se van a mover por el centro de Europa o si van a bajar al sur de Europa, por ejemplo. Se pasa, así, de una predicción individualizada de los sistemas de presión a otra que da una información promediada. El problema es que entre los 10 días y el mes y medio, ni la estimación promediada, ni el seguimiento individualizado de los sistemas de presión aciertan. Ahora y por primera vez, dicen los autores, un pronóstico ha logrado superar los promedios climatológicos. Lo hicieron con un programa que cuantifica y elimina los errores de los modelos de predicción en base a datos históricos y que han llamado Corrección Probabilística de Sesgos (PBC, por sus siglas en inglés). El programa les ha permitido no solo mejorar el pronóstico, sino que ha sido capaz de ver fenómenos extremos, como lluvias torrenciales y grandes nevadas, algo que habitualmente no ocurre en este tipo de predicciones a más largo plazo. «Creo que esto se debe a que la corrección de errores o sesgos tradicional siempre intenta alcanzar la media, mientras que los fenómenos meteorológicos extremos se encuentran en el límite de las probabilidades», dice Cohen.Así fue como el 29 de enero, el programa anticipó en Estados Unidos la tormenta invernal Hernando, que comenzó un mes después, el 22 de febrero y que fue dejó acumulaciones récord de nieve de más de 60 centímetros en algunas zonas de Nueva Jersey y de 40 cm en la ciudad de Nueva York.«Antes, predecir estos fenómenos daba peores resultados que lanzar una moneda al aire. Nuestro modelo confirmó que utilizar sus pronósticos es mejor que no contar con ninguno»«Nuestro modelo mostró una mejora significativa, aunque todavía modesta, en la predicción de fenómenos meteorológicos extremos. Anteriormente, predecir estos fenómenos daba peores resultados que lanzar una moneda al aire o hacer una suposición sin fundamento. Al menos nuestro modelo demostró superar ese nivel y confirmó que utilizar sus pronósticos es mejor que no contar con ninguno», explica Cohen. Ese margen de entre dos y seis semanas es clave para prepararse ante la emergencia, planificar y movilizar recursos. Esteban Rodríguez Guisado, jefe de la división de Climatología de la Agencia Estatal de Meteorología (Aemet) y quien no ha participado en el estudio, reconoce que el equipo usa «una metodología ingeniosa», pero enfría algo la lectura final. «Es muy interesante, supone una mejora y yo creo que lo bueno es que lo han planteado como algo que se podría utilizar operacionalmente, que se podría montar, pero no es que resuelva el problema de la predictibilidad», explica. A nivel general, hay poca predictibilidad en las semanas tres y cuatro. «Esto araña un poco más de predictibilidad, mejora los resultados, da algo más de capacidad para empezar a vislumbrar la posibilidad de algunos eventos extremos con algo más de antelación, pero no es que cambie el día y la noche». Las cifras todavía quedan lejos de las que ofrece la predicción en la primera y segunda semana de pronóstico. «Seguimos teniendo ahí una barrera de predictibilidad», asegura Rodríguez Guisado. Cohen también reconoce las limitaciones: «Queda mucho margen para seguir mejorando. Y tenemos previsto continuar realizando más mejoras».