Google DeepMind publicó en Nature un modelo de IA que predice trayectoria, intensidad y estructura del viento de ciclones tropicales mejor que los métodos meteorológicos clásicos. Las previsiones a tres días de WeatherNext tienen la misma calidad que los sistemas anteriores lograban a dos días: un día extra de aviso, que DeepMind compara con una década de progreso en meteorología.

Por qué te importa. La IA está entrando en dominios donde la física clásica trabajaba sola, y lo hace con resultados medibles en un problema de vida o muerte. Durante la temporada 2025, el modelo ayudó al National Hurricane Center a predecir la intensificación rápida del huracán Melissa y su impacto en Jamaica, permitiendo una alerta anticipada. Es el patrón que se repite en historias de IA aplicada que cuentan: el modelo da a los meteorólogos más tiempo para decidir. DeepMind libera los pesos de WeatherNext 2 y WeatherNext Cyclones en código abierto.

Si quieres probarlo. Los modelos abiertos están en el blog de DeepMind. Para quien trabaje en dominios de predicción, el detalle a estudiar es el ensemble de 1.000 escenarios por ciclón que WeatherNext genera para apoyar las decisiones de los forecasters.

En detalle

La predicción meteorológica tradicional resuelve las ecuaciones de la fluidodinámica en supercomputadoras: tomas los datos actuales (presión, temperatura, viento) y calculas cómo evolucionan en el tiempo. Cuanto más fina es la malla, más potencia de cálculo se necesita. Los ciclones tropicales son difíciles de predecir porque su intensidad puede cambiar en pocas horas, y un error de 100 km en la trayectoria cambia completamente quién debe evacuar. Según los datos citados en el paper, los ciclones han causado más de 700.000 muertes y 1.400 mil millones de dólares en pérdidas económicas en 50 años.

WeatherNext cambia el enfoque. En lugar de resolver las ecuaciones paso a paso, el modelo aprende de décadas de datos meteorológicos históricos (reanálisis, predicciones pasadas, satélites) a reconocer los patrones que conducen a un cierto desarrollo. El entrenamiento ocurre en datos de reanálisis, reconstrucciones coherentes del estado de la atmósfera, y el modelo genera predicciones que compiten con sistemas numéricos.

El resultado central está en las predicciones a tres días. WeatherNext produce predicciones a tres días con la misma precisión que los sistemas anteriores lograban a dos días. En términos prácticos: si antes tenías 48 horas para preparar la evacuación, ahora tienes 72. DeepMind compara este salto con una década de progreso en meteorología numérica.

Lo que distingue a WeatherNext es la colaboración con los forecasters. Durante la temporada de huracanes 2025, el equipo trabajó con el National Hurricane Center, CIRA, la Met Office del Reino Unido y agencias meteorológicas de varios países. El huracán Melissa es el caso emblemático: WeatherNext predijo la intensificación rápida y el impacto en Jamaica, permitiendo una alerta anticipada.

Este año el sistema genera 1.000 escenarios posibles para cada ciclón. Es el enfoque ensemble aplicado con IA: en lugar de una única trayectoria, el modelo produce un abanico de trayectorias posibles con sus respectivas probabilidades. Para un forecaster, esto significa poder comunicar la probabilidad de diferentes trayectorias: «hay un 70% de probabilidad de que golpee esta área, 30% de que vaya a otro lado».

DeepMind ha liberado en código abierto dos modelos: WeatherNext 2 (predicción general) y WeatherNext Cyclones (especializado en ciclones). Los pesos se pueden descargar desde el blog.

Qué sigue abierto. El paper se publicó en Nature, pero el blog no reporta números de benchmark en datasets públicos estándar. Faltan detalles sobre cómo se comporta el modelo fuera de la temporada de huracanes, en ciclones extratropicales, y cuánto se mantiene la ventaja en escalas temporales más largas (5-7 días). El impacto real se ha documentado para una temporada y un huracán: se necesita más tiempo para entender si la ventaja se sostiene sistemáticamente.