Las previsiones meteorológicas a largo plazo, especialmente en el rango de dos a seis semanas, han representado un desafío persistente para científicos y modelos. A pesar de los avances significativos en la predicción a corto plazo (hasta dos semanas) y en los modelos climáticos a largo plazo, esta ventana subestacional ha permanecido como un punto ciego crucial. Sin embargo, un nuevo marco de inteligencia artificial desarrollado por Microsoft Research, denominado Probabilistic Bias Correction (PBC), está transformando este panorama al aprender de los errores pasados de los modelos meteorológicos existentes y corregirlos, brindando pronósticos más precisos y confiables.
Superando la brecha subestacional con PBC
Tradicionalmente, tanto los modelos basados en la física como los impulsados por IA han mostrado un buen rendimiento hasta aproximadamente los diez días. Más allá de este umbral, la complejidad de las interacciones entre los sistemas terrestres globales y los sistemas meteorológicos locales, junto con la acumulación de errores, ha limitado su eficacia. PBC aborda esta limitación al no intentar construir un nuevo modelo desde cero, sino al optimizar los modelos existentes. Como explica Lester Mackey, investigador principal de Microsoft Research New England, PBC toma cualquier modelo como entrada y aprende sus patrones de error, para luego corregirlos y generar un pronóstico superior para el rango subestacional.
Resultados impresionantes en evaluaciones y competiciones
Los resultados iniciales de PBC han sido notables. Un estudio reciente publicado en la revista científica Nature detalla cómo este sistema ligero de machine learning puede analizar el historial de pronósticos de cualquier modelo para identificar y corregir sesgos sistemáticos. PBC ha mejorado el rendimiento del modelo subestacional líder del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF) en un 98% para la precipitación, un 92% para la temperatura y un 91% para la presión. Además, ha duplicado la precisión del Sistema de Previsión de IA (AIFS) del ECMWF.
En la competición “AI Weather Quest” de agosto de 2025, un equipo de Microsoft y colaboradores externos, utilizando una solución basada en PBC llamada MicroDuet, obtuvo el primer lugar. MicroDuet superó a seis centros de pronóstico operativos líderes y a los sistemas de 34 equipos a nivel mundial, demostrando su capacidad para ofrecer los resultados más precisos durante un año completo de pronóstico en tiempo real. Incluso anticipó tormentas invernales severas en Estados Unidos con una antelación de 19 a 26 días.
Aplicaciones en el mundo real: Impacto en África Oriental
Más allá de las pruebas de laboratorio y las competiciones, PBC ya está marcando una diferencia en situaciones del mundo real. En África Oriental, Genevieve Flaspohler, de Rhiza Research, está colaborando con el Servicio Meteorológico de Kenia (KMSA) y otras instituciones para integrar modelos de IA, incluido PBC, en la provisión de pronósticos cruciales para los pequeños agricultores. En una región donde la agricultura de secano depende en gran medida de las lluvias, las decisiones sobre qué semillas plantar, cuándo sembrar y fertilizar dependen directamente de pronósticos precisos.
“Un buen pronóstico meteorológico, entregado en el momento adecuado, a través del canal de comunicación correcto, puede ser un gran diferenciador para los resultados agrícolas”, afirma Flaspohler, destacando la importancia de estas herramientas en una zona que experimenta fluctuaciones extremas entre sequías y lluvias torrenciales.
La capacidad de PBC para ofrecer pronósticos más fiables en el rango subestacional es vital, especialmente en un contexto de cambio climático y fenómenos como El Niño, que intensifican la incertidumbre. La implementación de PBC promete mejorar la resiliencia de las comunidades agrícolas y la eficacia de la gestión de desastres y recursos en todo el mundo.
