El ECMWF, el centro europeo que produce los pronósticos más confiables del mundo, lanzó en febrero de 2025 su primer modelo de IA operativo. El resultado fue una máquina que genera pronósticos globales en tres minutos usando mil veces menos energía que el sistema tradicional.
La NOAA hizo lo mismo en diciembre con modelos que consumen solo el 0.3 % de los recursos de sus contrapartes físicas.
Suena a revolución. Y en parte lo es. Pero los científicos del clima llevan meses diciendo algo que el marketing de las big tech omite: esta IA no puede predecir lo que nunca ha visto. Y con el cambio climático generando fenómenos cada vez más extremos, eso es exactamente lo que necesitamos que haga.
Cómo funciona (y dónde truena)
La IA meteorológica no usa modelos de lenguaje como ChatGPT. Es machine learning puro: alimentas un modelo con décadas de datos climáticos históricos, el famoso dataset ERA5 del ECMWF, y el algoritmo aprende patrones. Sin física. Sin ecuaciones de fluidos. Solo correlaciones.
El problema es evidente. Si nunca hubo un huracán categoría 6 en el Atlántico, el modelo no sabe cómo se ve uno. De hecho, un estudio reciente encontró que los modelos de IA subestiman tanto la frecuencia como la intensidad de eventos récord. Los suavizan. Los meten dentro del rango de lo “normal” porque fuera de ahí no hay datos.
Y luego están los papercuts. El modelo del ECMWF llegó a predecir lluvia negativa, un sinsentido físico, porque la IA no “sabe” que la precipitación no puede ser menor a cero. Lo arreglaron remapeando valores negativos a cero. Un parche. No entendimiento.
Una oficina del National Weather Service publicó un mapa con ciudades inexistentes en Idaho llamadas “Whata Bod” y “Orangeotild”. Por suerte era solo una imagen para redes sociales generada con IA, no un pronóstico real. Pero el episodio resume el momento: estamos deslumbrados por la velocidad y la eficiencia, pero la caja negra sigue siendo una caja negra.
Lo que la física sí puede hacer
Hay una diferencia fundamental entre predecir el tiempo y modelar el clima. El pronóstico del tiempo toma el estado actual de la atmósfera y lo proyecta horas o días hacia adelante. Ahí la IA brilla.
El clima es otra cosa: ¿qué pasaría si duplicamos el CO2? ¿Cómo sería el clima hoy si nunca hubiéramos emitido gases de efecto invernadero? Son preguntas contrafactuales. No se pueden aprender de datos históricos. Necesitas física.
Por eso el proyecto CliMA de Caltech está construyendo un modelo híbrido: base física para lo fundamental, machine learning para componentes específicos como la capa de nieve o el intercambio de aire dentro de las nubes. Tapio Schneider, quien lidera el proyecto, lo resume así: la física permite predecir el clima para el que no tenemos datos. El ML acelera lo que ya entendemos.
El elefante en la sala: las GPUs
Schneider también dejó caer un dato que debería incomodar a cualquiera que trabaje en tecnología. Dijo que si alguien le diera 50 GPUs por dos meses podrían hacer “una cantidad enorme de progreso”. Cien “sería increíble”.
Mientras tanto, las GPUs del planeta están ocupadas generando slop, resumiendo correos y minando criptomonedas. Modelos que podrían salvar vidas con mejores pronósticos de huracanes compiten por recursos contra asistentes de IA que escriben poemas de cumpleaños.
La NOAA ya demostró que el enfoque híbrido funciona: su modelo HGEFS, que combina 31 miembros de IA con 31 miembros de física, supera consistentemente a cualquiera de los dos por separado. Es el primer ensemble híbrido del mundo en operación. Y probablemente el camino correcto.
La revolución de la IA en el clima es real. Pero no es la que nos están vendiendo. No es un reemplazo. Es una herramienta nueva, increíblemente rápida y eficiente, que funciona mejor cuando se usa con criterio, no con hype.
Más en: Inteligencia Artificial, Programación
