Investigadores de la Universidad de Connecticut (UConn) están utilizando un modelo de Inteligencia Artificial (IA) para mejorar la predicción de eventos climáticos extremos y su impacto en los sistemas energéticos y los entornos acuáticos. Esta iniciativa, en colaboración con Eversource, el principal proveedor de energía del estado, busca anticiparse a los efectos devastadores de fenómenos meteorológicos cada vez más frecuentes e intensos.
La IA al Rescate del Pronóstico Climático
Israt Jahan, estudiante de doctorado en ingeniería ambiental, trabaja junto a la Dra. Marina Astitha, profesora asociada de ingeniería civil y ambiental en UConn, en el desarrollo de modelos híbridos que integran el aprendizaje automático (ML) y el aprendizaje profundo (DL) con predicciones numéricas del tiempo (NWP). El objetivo principal es aumentar la precisión y la fiabilidad de las predicciones, especialmente en lo que respecta a las ráfagas de viento.
Transparencia y Explicabilidad en la IA Climática
“He aplicado varias técnicas de IA explicables para demostrar los factores que impulsan las predicciones y las incertidumbres del modelo de IA, para una mejor interpretabilidad y transparencia”, explica Jahan. “Actualmente, estoy analizando eventos de vientos severos en todos los Estados Unidos contiguos, tanto en condiciones climáticas históricas como en condiciones de pseudo-calentamiento global, para evaluar cómo pueden evolucionar los peligros de vientos extremos en un clima más cálido”.
De Modelos Físicos a la Inteligencia Artificial
Inicialmente, el programa de investigación no contemplaba el uso de la IA hasta 2016. El trabajo de Astitha se basaba en modelos físicos. Sin embargo, con la introducción de la IA, se han superado muchos desafíos relacionados con la captura de relaciones no lineales e incertidumbres en los modelos basados en la física, según Astitha. Ahora, la IA se ha integrado en todas las áreas de su investigación sobre la predicción de eventos climáticos extremos.
La capacidad de la IA para procesar grandes cantidades de datos y aprender de patrones complejos la convierte en una herramienta valiosa para mejorar la precisión de los pronósticos y anticipar los efectos del cambio climático en nuestro planeta. Este proyecto de UConn y Eversource representa un paso importante hacia un futuro más resiliente frente a los desafíos climáticos.