Es fácil dar por sentado el pronóstico climático. Más de una semana antes de que llegara, todos esos meteorólogos ridículos de la televisión nos avisaron que el huracán Irma estaba convirtiéndose en una tormenta gigante que golpearía la costa oriental de Estados Unidos. Y dada la complejidad incomprensible del clima, semejante proeza equivale a predecir hoy quién ganará las elecciones presidenciales de 2020 (el sitio de crowdsourced Paddy Power da una probabilidad de 30:1 a Oprah Winfrey).
En los próximos años, la tecnología hará que el modelado climático sea más preciso y útil, cosa estupenda conforme el planeta avanza hacia una era de tormentas catastróficas impulsadas por el cambio climático. Y es que los modelos no solo podrán localizar mejor las tormentas que destruyen cosas, sino que los pronósticos superespecíficos se integrarán con acciones cotidianas. Una aplicación podría leer tu calendario y avisarte, automáticamente, si habrá una nube de tormenta directamente sobre tu patio cuando lleguen los invitados a la barbacoa que organizaste para el próximo sábado.
Un modelado climático perfecto requiere de cuatro elementos fundamentales: datos, poder de cómputo, matemáticas y conocimientos científicos. Los cuatro componentes se retroalimentan entre sí, y las tecnologías como inteligencia artificial (IA), robótica y la “internet de las cosas” están teniendo un gran impacto en todo esto. Aunque nadie espera un descubrimiento tipo Einstein que, de pronto, revele todos los secretos del clima, los pronósticos se volverán más precisos poco a poco. “Es cierto que las mejoras son por incrementos, pero si analizas las décadas pasadas, los logros son realmente fenomenales”, me dice Mary Glackin, directora de ciencias y pronósticos en Weather Company, filial de IBM.
Los datos son el componente más elemental. La revolución de los datos climáticos comenzó hace casi un siglo, cuando el ruso Pavel Molchanov inventó la radiosonda, un globo que transportó algunos sensores y un transmisor de radio hasta la atmósfera, y envió lecturas a la Tierra. En 1960, la NASA ganó la carrera para lanzar al espacio un satélite climático, TIROS 1. El aparato envió las primeras fotos de la capa nubosa del planeta y, desde entonces, los países más desarrollados han estado plagando el cielo con satélites climáticos, hasta culminar con el satélite GOES-16, que Estados Unidos lanzó en 2016 para hacer transmisiones constantes de imágenes detalladas de los sistemas climáticos. David Novak, del Servicio Meteorológico Nacional, describe el GOES-16 como “uno de los logros más grandes que hemos tenido”.
Los satélites nos brindan una vista macro, y los dispositivos conectados con la internet de las cosas proporcionan los microdatos. Esos sensores baratos transmiten lecturas desde casi cualquier parte: farolas, boyas, cámaras web. The Weather Company tiene 250,000 estaciones climáticas minúsculas distribuidas por todo el mundo. Para darte una idea, Starbucks tiene apenas unos 25,000 puntos de venta en todo el planeta. “Trabajamos con la ciudadanía para instalar estas [estaciones] en sus patios”, explica Glackin. “Eso permite llenar los vacíos”. Drones y robots también tendrán un papel más relevante, pues llevarán sensores a lugares inaccesibles para humanos y satélites.
Todos estos datos tienen que ingresar en ecuaciones matemáticas que representan las ideas como los científicos suponen que funciona el clima. Más datos permiten que los modelos produzcan mejores resultados, y los resultados informan a los científicos quienes, a su vez, pueden generar modelos mejorados. Sin embargo, para correr una gran cantidad de datos en modelos increíblemente complicados necesitas un poder de cómputo fantástico. En 1922, el matemático británico Lewis Fry Richardson puso en marcha el modelado climático matemático cuando publicó su estudio “Modelo Numérico de Predicción Meteorológica”. Con todo, señaló que, para hacer los cálculos con suficiente rapidez, harían falta 64,000 personas trabajando simultáneamente en la misma habitación. Por supuesto, las computadoras facilitaron la tarea. A principios de 2016, la Administración Nacional Oceánica y Atmosférica de Estados Unidos recurrió a dos supercomputadoras, cada cual con el triple de su velocidad anterior. Hoy se cuentan entre las computadoras más poderosas del mundo.
El siguiente paso, que ya está ocurriendo, consiste en el aprendizaje de inteligencia artificial a partir de múltiples modelos. Los geeks climáticos de televisión suelen hablar de los modelos rivales de Europa y Estados Unidos, pero hay montones de modelos con numerosas abreviaturas –CMC, NAVGEM, CFSv2, CanSIPS- y todos funcionan de manera distinta, produciendo diferentes conjuntos de datos. La gran ventaja es que la IA puede asimilar los resultados de todos los modelos y aprender de ellos. Cada día, el grupo de Glackin en IBM procesa los resultados de más de 160 modelos, varias veces. “Ajustamos los pronósticos con base en el desempeño de los distintos modelos, en diferentes puntos de la Tierra, y en distintas escalas temporales”, explica Glackin. “Entonces, tomamos el mejor de los mejores y lo utilizamos para hacer el aprendizaje de máquina”.
El ritmo de la mejoría de pronósticos está aumentando, lo que significa que, en un futuro, habrá mayor precisión, y los pronósticos podrían ser más granulares, prediciendo el clima para un sector pequeño del planeta. Y eso, claro está, será enormemente útil para la seguridad pública, aunque también ayudará a tomar decisiones críticas en industrias importantes como aviación, energía, construcción y agricultura.
También nos servirá en las decisiones cotidianas. “Estamos en medio de una gran revolución sobre la manera de usar el clima”, dice Bill Gail, cofundador de Global Weather Corporation en Boulder, Colorado. “En una década, quienes ya estemos usando información climática, la usaremos cien veces más a menudo y ni siquiera nos daremos cuenta”. Hoy la mayoría hace planes de viaje, para montar en bicicleta o construir un alambique en el patio y luego consulta el clima, o viceversa. Pero a futuro, tu aplicación para construir alambiques entenderá lo que quieres lograr y cuánto tiempo demorarás, consultará el calendario y los pronósticos meteorológicos hiperlocales, y te dirá cuál es el mejor día para montarlo y ponerte a preparar una buena cerveza de centeno.
Eso sí, no esperes que los pronósticos meteorológicos sean perfectos a corto plazo. Igual que la economía y la política globales, el clima es demasiado complejo y caprichoso para permitir que exista un modelo perfecto. “El algún momento del futuro, pese a la perfección de los modelos computarizados, la predicción colapsará debido a la naturaleza caótica de la atmósfera”, augura Greg Carbin, director de la rama de operaciones de pronósticos en el Servicio Meteorológico Nacional de Estados Unidos.
Por ejemplo, modelar tornados es como predecir los tuits de Donald Trump: ninguna cantidad de datos ni de supercomputadoras puede pronosticar qué los provocará ni cuánto daño causarán.
—
Publicado en cooperación con Newsweek / Published in cooperation with Newsweek