«En gran medida diría que sí, ya que por primera vez se ha demostrado la precisión —o habilidad— de los pronósticos en el horizonte subestacional»
Judah Cohen, investigador
Un equipo de investigadores del MIT y Microsoft ha desarrollado un nuevo método basado en el aprendizaje automático y la inteligencia artificial capaz de pronosticar tormentas y fenómenos meteorológicos extremos con un margen de entre 19 y 26 días de antelación. Este avance aborda directamente el conocido como desierto de la predictibilidad, un tramo temporal en el que las predicciones meteorológicas tradicionales solían fallar de manera sistemática. El estudio detallado sobre este sistema ha sido publicado en la prestigiosa revista Nature un miércoles, marcando un hito en la investigación tecnológica y atmosférica aplicada al estudio del clima y la prevención de desastres naturales en Estados Unidos y otras regiones del mundo.
Las predicciones meteorológicas convencionales rara vez consiguen superar los 10 o 15 días con un acierto fiable. El margen comprendido entre las dos semanas y un mes y medio se denomina históricamente el desierto de la predictibilidad debido a la extrema dificultad para visualizar con claridad la configuración futura de la atmósfera. A partir de los 10 días, la meteorología tradicional recurre habitualmente al uso de promedios estadísticos que difuminan los detalles de los episodios severos. En los pronósticos a corto plazo, correspondientes a las dos primeras semanas, los expertos observan de forma individualizada el comportamiento de sistemas de presión como los frentes y las borrascas. Por otro lado, para los plazos estacionales de tres meses, se realizan proyecciones globales por conjuntos. El gran problema radicaba en ese tramo intermedio, donde fallaban tanto la estimación promediada como el seguimiento individualizado de los fenómenos.
Cómo funciona el nuevo sistema de corrección
El programa informático desarrollado por los científicos se denomina Corrección Probabilística de Sesgos, conocido por sus siglas en inglés como PBC. Este software innovador utiliza un enfoque basado en aprender a corregir de forma automatizada los errores recurrentes que cometen los modelos de pronóstico meteorológico tradicionales. El sistema cuantifica y elimina dichos errores basándose estrictamente en el análisis de datos históricos acumulados a lo largo del tiempo. Según explican los responsables del proyecto, la clave del éxito de este algoritmo reside en su capacidad para evitar que la tradicional corrección de errores y sesgos tienda siempre hacia la media estadística, que era el fallo principal que impedía capturar la volatilidad de los eventos severos.
Los creadores del modelo señalan que los fenómenos meteorológicos más extremos se sitúan precisamente en el límite de las probabilidades matemáticas, lo que dificultaba su detección con los sistemas heredados. Al aplicar este enfoque novedoso al modelo de pronóstico utilizado en Europa, el programa desarrollado consiguió duplicar de manera efectiva la precisión de las predicciones obtenidas. Un ejemplo práctico de la capacidad operativa de esta tecnología tuvo lugar a principios de 2026. El 29 de enero, el programa anticipó con la nueva metodología la llegada de la tormenta invernal Hernando en Estados Unidos. Dicho episodio meteorológico extremo comenzó a manifestarse formalmente el 22 de febrero, dejando acumulaciones de nieve notables, como más de 60 centímetros en el estado de Nueva Jersey y 40 centímetros en la ciudad de Nueva York.
Contexto, limitaciones y próximos pasos
A pesar de los prometedores resultados obtenidos en las pruebas realizadas, los expertos implicados y otros especialistas en la materia mantienen una postura prudente sobre el alcance real de la tecnología. Esteban Rodríguez Guisado, jefe de la división de Climatología de la Agencia Estatal de Meteorología y que no ha participado directamente en el estudio, valora positivamente la iniciativa técnica. «Es muy interesante, supone una mejora y yo creo que lo bueno es que lo han planteado como algo que se podría utilizar operacionalmente, que se podría montar, pero no es que resuelva el problema de la predictibilidad», señala el especialista sobre las capacidades reales del algoritmo actual frente a los retos del clima global.
En la misma línea se expresa Judah Cohen, quien destaca las bondades del modelo pero matiza sus limitaciones actuales frente a los horizontes temporales más cortos o largos. «Obviamente, aún no tienen la precisión de los pronósticos meteorológicos a corto plazo —y quizá ni siquiera la de los de largo plazo—, pero al menos están llegando a un nivel respetable y, lo que es más importante, resultan útiles para la toma de decisiones», argumenta Cohen. El investigador añade que las predicciones anteriores de estos fenómenos daban peores resultados que lanzar una moneda al aire, mientras que el nuevo sistema demuestra una mejora modesta pero significativa que confirma la utilidad de sus pronósticos frente a la incertidumbre previa. Todavía existen ciertas discrepancias académicas sobre si este avance pone fin de forma definitiva al desierto de la predictibilidad o si se trata únicamente de un primer paso moderado. Ante este escenario, el equipo de investigación tiene previsto continuar realizando nuevas mejoras en el sistema para optimizar su precisión y consolidar su uso en la planificación y la movilización de recursos ante emergencias climáticas futuras.
Por la redacción de GUAY.news.
Deja una respuesta