Únete al canal de GestiónManiac, una computadora diseñada en Princeton después de la Segunda Guerra Mundial, podía realizar 10,000 cómputos por segundo. Este poder extraordinario se aplicó a dos problemas principales: simular explosiones termonucleares y el clima de la Tierra. Eran las dos aplicaciones más importantes que los creadores de la máquina podían imaginar.
Maniac habría tardado 13,800 millones de años, o toda la historia del universo, en realizar tantos cómputos como los que puede realizar en una hora la computadora más rápida de la actualidad. Sin embargo, aunque sus habilidades y su alcance han aumentado, las supercomputadoras actuales todavía dedican gran parte de su capacidad al armamento y al clima.
Sus contribuciones al diseño de la bomba de hidrógeno agregan poco a la mayoría de las vidas cotidianas más allá de un trasfondo de miedo. Pero su trabajo sobre el clima en los equipos que realizan pronósticos en todo el mundo tiene utilidad práctica en casi todas partes.
Las investigaciones del Banco Mundial y otros sitúan los beneficios de la predicción numérica del clima (NWP por su sigla en inglés) en US$ 162,000 millones al año. Cualquier agricultor moderno o comandante militar puede confirmar su éxito. También se siente en la estructura de la vida cotidiana.
LEA TAMBIÉN: Julio de 2023 se confirma como el mes más caluroso registrado hasta la fecha
Ningún teléfono inteligente carece de iconos que aludan al sol, la lluvia, el viento o las nubes. Decidir dejar un paraguas en casa por consejo de un meteorólogo ya dejó de ser, en gran parte, un triunfo de la esperanza sobre la experiencia.
La aplicación del aprendizaje automático y otros tipos de inteligencia artificial (IA) mejorará aún más las cosas. Las supercomputadoras utilizadas para NWP realizan cálculos meteorológicos de los próximos días sobre la base de las condiciones actuales, las leyes de la física y varias reglas generales; hacerlo a alta resolución utiliza, sin mucho esfuerzo, trillones de cómputos.
Ahora, los sistemas de aprendizaje automático entrenados simplemente con datos meteorológicos pasados pueden coincidir más o menos con sus pronósticos, al menos en algunos aspectos. Si los avances en IA en otros lugares sirven de guía, eso es solo el comienzo.
Además, en algunos casos, el modelo que hace uso de la IA parece ser capaz de revelar aspectos del comportamiento del clima que la NWP no puede lograr solo con los cómputos. Y los costos más bajos de la IA atraerán a nuevos participantes al negocio del clima. Se espera que traigan productos adaptados de manera espléndida a las necesidades de los clientes e ideas frescas que abran nuevos mercados.
Hay tres cosas que deben hacerse para aprovechar al máximo las posibilidades. Una es asegurar que la sana competencia no erosione la infraestructura básica. Gran parte de las iniciativas de los equipos, en su mayoría gubernamentales, que dominan la NWP asimilan las observaciones de todo el mundo en las representaciones consistentes del clima que necesitan sus modelos. Los costos de esto pueden sufragarse vendiendo pronósticos de alto valor en mercados especializados.
Para hacer su mejor trabajo, las IA deben recibir capacitación sobre los datos en esas representaciones. Pero es casi seguro que ese trabajo mejorado socave algunos de los productos de los pronosticadores actuales. Por lo tanto, se debe encontrar un “modus vivendi” en el que ser generoso con los datos que los nuevos participantes necesitan para entrenar sus IA no ponga demasiado en riesgo la subsistencia de los meteorólogos existentes.
El trabajo meteorológico de las supercomputadoras en los equipos que realizan pronósticos en todo el mundo tiene utilidad práctica en casi todas partes.
Hacer lo contrario podría amenazar los sistemas meticulosamente configurados, los cuales utilizan para convertir la observación y el cómputo en conjuntos de datos de los que dependen las IA y el mundo, al menos por el momento.
Lo segundo que hay que hacer es unir la IA y el procesamiento de datos para hacer frente al cambio climático. Por el momento, no es posible ejecutar modelos climáticos con la resolución utilizada para el pronóstico meteorológico. El nuevo hardware que se está construyendo para los sistemas de inteligencia artificial podría ayudar (Nvidia, un fabricante de chips, está interesado). Y la IA también podría usarse para buscar patrones en las proyecciones que producen tales modelos, haciéndolos más informativos, así como una interfaz que haga que sus conocimientos sean más accesibles para los no expertos.
Antes de que eso se convierta en un problema, se necesita un mejor acceso lo más pronto posible. En 2019, la Comisión Global de Adaptación informó que una advertencia, con 24 horas de anticipación, sobre un evento climático destructivo podría reducir los daños en un 30%, y que una inversión de 800 millones de dólares en sistemas de alerta temprana para países en desarrollo podría evitar pérdidas anuales de US$ 3,000 millones a US$ 16,000 millones.
En consecuencia, la Organización Meteorológica Mundial ha hecho una prioridad que estén las “Alertas tempranas para todos” para 2027. Su jefe, Petteri Taalas, argumenta que, dado que tres de cada cuatro personas en el mundo tienen teléfonos móviles, es indignante que solo la mitad de sus países tengan sistemas para advertirles de un desastre.
Así se salvan algunas vidas
No se requieren grandes avances para corregir esto, solo una inversión modesta, una planificación detallada, una discusión enfocada y suficiente voluntad política para superar las inevitables barreras institucionales. No es una labor en la tradición prometeica de los engendradores de Maniac; no prenderá fuego al mundo ni modificará las maneras en que ya está ardiendo. Pero debería salvar miles de vidas y millones de medios de subsistencia.
LEA TAMBIÉN: Primer confinamiento por calor extremo en el mundo: las condiciones de Perú
