Nvidia El lunes se lanzaron tres modelos de inteligencia artificial de código abierto destinados a ayudar a crear mejores pronósticos meteorológicos, más rápido.
Los modelos, que la empresa de chips de IA anunció en la reunión anual de la Sociedad Meteorológica Estadounidense en Houston, son parte de un esfuerzo más amplio de la compañía para proporcionar software de código abierto. En el caso de la predicción meteorológica, Nvidia busca reemplazar las costosas y laboriosas simulaciones meteorológicas convencionales con versiones basadas en IA que, según la compañía, pueden igualar o incluso superar la precisión de los métodos anteriores. Los modelos de IA, una vez entrenados, también son más rápidos y su ejecución es más económica.
Mike Pritchard, director de investigación de simulación climática de Nvidia y profesor de ciencias del sistema terrestre en la Universidad de California, Irvine, afirmó que una de las aplicaciones comerciales prácticas de los nuevos modelos meteorológicos será en el sector asegurador. Las aseguradoras suelen querer comprender fenómenos extremos atípicos, como inundaciones masivas o huracanes.
Sin embargo, predecir estos eventos con detalle ha sido históricamente costoso, ya que el pronóstico meteorológico se realiza en «conjuntos», o grupos de predicciones individuales sobre cómo podría evolucionar un evento meteorológico a partir de un punto de partida determinado. Para detectar posibles eventos atípicos, los conjuntos deben contener muchos miembros, pero calcular cada uno con precisión para determinar si una propiedad en particular podría inundarse es lento.
«La tensión desaparece, porque una vez entrenada, la IA es mil veces más rápida», dijo Pritchard en una entrevista. «Así que puedes gestionar conjuntos masivos. Y las compañías de seguros gestionan conjuntos de unos 10.000 miembros». Los modelos «Earth-2» de Nvidia presentados el lunes incluyen uno destinado a realizar pronósticos meteorológicos de 15 días, uno que se especializa en pronósticos de hasta seis horas para tormentas severas en los EE. UU. y uno que puede usarse para integrar flujos de datos dispares de una variedad de sensores meteorológicos para convertirlos en un punto de partida más útil para otras tecnologías de pronóstico.
Reporte de Stephen Nellis en San Francisco; Edición de Ethan Smith
Fuente: reuters
