Machine Learning y predicción meteorológica

El Machine Learning, o aprendizaje automático, es una rama de la inteligencia artificial que permite que las máquinas aprendan sin estar programadas para este propósito específico. Esta habilidad es muy valiosa para que las máquinas sean, además de inteligentes, autónomas. De esta manera, a partir de muchos ejemplos, generalizan y son capaces de identificar patrones en los datos con el fin de convertirlos en predicciones o recomendaciones. Esta tecnología ya está presente en algunas plataformas como Netflix o Spotify, que pueden generar suposiciones basadas en el comportamiento de los usuarios para recomendarles contenidos afines a sus gustos. Pero, ¿se puede predecir el comportamiento de cualquier fenómeno?
 

Tu nuevo “hombre del tiempo”

Uno de los ámbitos en los que se podría aplicar el Machine Learning es en la predicción del tiempo (partes metereológicos). La predicción del tiempo es uno de los retos más complejos que existen. Los modelos físicos que hay debajo los fenómenos metereológicos dependen de muchos factores (presiones atmosféricas, temperaturas, humedad, accidentes geográficos...) que están muy relacionados entre ellos. Además, dependen geográficamente los unos de los otros. La AEMET (Agencia Estatal de Meteorología) y el SAF (Satellite Application Facilities) de Nowcasting son conscientes que las predicciones tienen cierta fiabilidad, aunque podrían mejorarse con el uso de esta tecnología. Es por ello que lanzaron la competición Weather4cast de Machine Learning con el Instituto de Investigación Avanzada en Inteligencia Artificial (IARAI) de Austria, poniendo en valor la predicción a corto plazo basada en datos proporcionados por el SAF usando modelos de aprendizaje automático.

La aplicación del aprendizaje automático permitiría a los satélites meteorológicos aprender a llevar a cabo procesos sin ser expresamente programados para ello, como reconocer patrones y estructuras relacionadas con los procesos atmosféricos de manera rápida y efectiva. Por lo tanto, mejorar los sistemas de observación meteorológica implica invertir en satélites meteorológicos.

¿Qué es el Machine Learning?

Para entender cómo se puede aplicar el Machine Learning a la predicción temporal, empecemos por una situación simple. Quieres salir de casa y no tienes clara qué vestimenta necesitarás, porque no sabes qué tiempo hace. Estás tranquilo/a porque cuando salgas al balcón podrás reconocer el tipo de nubes, el viento que hace o la potencia de los rayos de sol. Pero, ¿cómo podría hacer esto una máquina por ti?

El reconocimiento del tiempo es un proceso que puede parecer simple para las personas, pero no es tan sencillo para las máquinas. Es aquí donde puede intervenir la Inteligencia Artificial: a través del aprendizaje automático.

La inteligencia artificial intenta hacer Programas informáticos, no máquinas, que puedan replicar la inteligencia humana para realizar tareas que los humanos pueden hacer, pero que históricamente han sido muy difíciles para las máquinas. De la misma forma, las máquinas pueden procesar mucha más información que los humanos. Dentro de la IA se encuentra el machine learning, que permite a un sistema aprender a partir de los datos en lugar de aprender mediante la programación explícita (IBM). Por lo tanto, se trata de un modelo que, a partir de unos datos de entrada y unos datos de salida (cuantos más mejor) es capaz de generalizar, encontrar patrones y relaciones y esto permite predecir o recomendar, no toma como referencia una entrada y es capaz de relacionar los términos para ofrecer los resultados a esa búsqueda. 
 

Cómo mejoraría el Machine Learning la predicción del tiempo

Uno de los motivos por los que se podría utilizar el aprendizaje automático en la predicción del tiempo es que hoy en día disponemos de una gran cantidad de datos sobre fenómenos meteorológicos. Esta información es muy valiosa para realizar predicciones sobre el tiempo, ya que, aunque es cambiante y no lo podemos controlar, podemos predecir cuando, sin saber en qué medida una nube puede convertirse en lluvia, o el sol puede seguir siendo radiante.

El Machine Learning se convierte entonces en una herramienta interesante para gestionar la información que existe sobre el tiempo. Algunos de los beneficios que presentaría el aprendizaje automático aplicado a la predicción meteorológica son:

• Mayor conocimiento del tiempo. Una máquina entrenada tiene una mayor facilidad para distinguir figuras o elementos, por lo que crear un sistema de aprendizaje automático permitirá que la máquina pueda dar una información más precisa sobre los fenómenos meteorológicos.

• Predicción de tendencias. Permite anticipar la predicción temporal comparando la situación meteorológica diaria con datos anteriores.

• Minimizar errores y acciones preventivas. Al contar con aprendizaje automático, las máquinas podrán aprender cada vez que realicen una predicción temporal. De esta manera, el sistema será más eficiente y preciso con el paso del tiempo.

• Automatización de procesos. Es interesante cuando existen tareas rutinarias, ya que la máquina aprenderá a realizar los procesos que debe llegar a realizar en un corto plazo.

• Predicción de terremotos y otros desastres naturales. Recoger información aplicando técnicas de minería de datos es útil para que el sistema pueda realizar un correcto aprendizaje automático. De esta manera, nos podemos anticipar a desastres naturales causados por fenómenos meteorológicos como huracanes, tornados… con un margen de tiempo que permita aplicar protocolos de actuación. 
   

Foto de cabecera de NOAA en Unsplash.