Aurora, la IA que revoluciona les prediccions meteorològiques
Un nou model d’intel·ligència artificial ha demostrat superar els sistemes tradicionals de predicció meteorològica, segons publica aquesta setmana la revista Nature. L’eina, desenvolupada per Microsoft i batejada com a Aurora, promet una precisió i eficiència superiors en la previsió de fenòmens com la qualitat de l’aire, la trajectòria dels ciclons tropicals, el comportament de les onades oceàniques i la predicció meteorològica d’alta resolució.
Les prediccions del sistema terrestre són fonamentals per anticipar esdeveniments extrems. Inclouen processos com el clima, les corrents oceàniques, el gel marí o els huracans, i es basen en models complexos construïts al llarg de dècades. Aquests models tradicionals requereixen una gran capacitat computacional i equips especialitzats per al seu manteniment. Tot i això, els avenços recents en intel·ligència artificial apunten a un canvi de paradigma.
El model Aurora ha estat desenvolupat per l’equip liderat per Paris Perdikaris, professor d’Enginyeria Mecànica i Mecànica Aplicada a la Universitat de Pennsilvània i director de recerca a Microsoft Research AI for Science. Perdikaris és expert en el desenvolupament de models per a la modelització del clima i del temps meteorològic.
Supera diversos sistemes operatius especialitzats de predicció, i ho fa amb una fracció del cost computacional.
Paris Perdikaris, Universitat de Pennsilvània
Aurora ha estat entrenada amb més d’un milió d’hores de dades geofísiques. Segons els autors, el seu rendiment supera el dels principals centres de predicció en àrees clau com la qualitat de l’aire, les onades oceàniques i els ciclons. En concret, va obtenir millors resultats que set centres de predicció en el 100 % dels casos mesurats per a trajectòries de ciclons a cinc dies, i en el 92 % dels casos per a prediccions meteorològiques a deu dies.
“Hem desenvolupat un model fundacional a gran escala per al sistema terrestre que supera diversos sistemes operatius especialitzats de predicció, i ho fa amb una fracció del cost computacional”, expliquen els autors de l’estudi.
Un dels avantatges d’Aurora és la seva eficiència: l’entrenament del model es va completar en unes 8 setmanes, mentre que el desenvolupament de models convencionals pot requerir anys. “Cada experiment d’ajust fi del model va necessitar entre 4 i 8 setmanes amb un equip reduït d’enginyers, davant dels diversos anys de desenvolupament que solen requerir els models dinàmics tradicionals”, detallen els investigadors. Amb tot, subratllen que aquest ràpid avenç només va ser possible “gràcies a l’enorme quantitat de dades generades per dècades de recerca amb mètodes numèrics clàssics”.
Els investigadors (l’equip reuneix científics d’Àustria, els Països Baixos, el Regne Unit i Taiwan) destaquen a més que Aurora podria evolucionar en diverses direccions: “El model pot ampliar-se fàcilment per generar conjunts de prediccions, quelcom clau en situacions d’alta incertesa, com les previsions a llarg termini o els fenòmens molt localitzats”. També assenyalen que encara no s’ha assolit el sostre de rendiment del sistema: “Els nostres resultats suggereixen que és possible millorar encara més la precisió si s’entrena amb dades més diverses o si s’incrementa la mida del model”.
En el futur podria tenir aplicacions no meteorològiques, com la productivitat agrícola o els patrons de pol·linització
Tot i que aquesta IA és plenament funcional, encara depèn de les condicions inicials proporcionades pels sistemes tradicionals d’assimilació de dades. En línia amb els avenços recents en predicció meteorològica, els autors consideren que en el futur Aurora podria operar directament amb dades observacionals. Així mateix, consideren important explorar “si els patrons apresos pel model poden associar-se a processos físics concrets”.
El potencial impacte d’Aurora en el camp de la predicció del sistema terrestre és significatiu, encara que en aquest estudi s’aplica a quatre àmbits principals, “el model pot ajustar-se per a qualsevol tasca de predicció desitjada, i oferir resultats superiors als actuals amb un cost molt menor”. Per exemple, la predicció d’un clima local o regional, el creixement de la vegetació, els fenòmens extrems com inundacions i incendis forestals o fins i tot altres aplicacions no meteorològiques com la productivitat agrícola o els patrons de pol·linització.
Referència:
Perdikaris et al. A foundation model for the Earth system. Nature, 2025.
Drets: Creative Commons.