Ya no te quejarás de la previsión meteorológica, porque Google ha creado una IA capaz de predecirla con gran precisión mejor que los modelos actuales.
Una de las cosas más difíciles de predecir son las previsiones meteorológicas, y aunque hoy con las nuevas tecnologías están bastante cerca, en algún momento habrás mirado al cielo y habrás visto que hacía sol cuando lo habían dicho. iba a llover. .
Por suerte Google ha creado una tecnología capaz de generar pronósticos meteorológicos precisos a escala y es más barato que los pronósticos y métodos actuales.
Muestreador de difusión de envolvente escalable (SEEDS) actúa de manera similar a modelos de lenguajes grandes como ChatGPT.
Su tecnología genera muchos más conjuntos o múltiples escenarios meteorológicos de forma más rápida y económica que los modelos tradicionales.
Por un lado, tenemos las predicciones basadas en la física que utilizan actualmente los servicios meteorológicos que conocemos, que recopilan varias mediciones y dan una predicción final que promedia muchas predicciones modeladas diferentes.
Estas tecnologías actuales también utilizan modelos de pronóstico deterministas o probabilísticos donde se introducen variables aleatorias en las condiciones iniciales, pero esto conduce a una mayor tasa de error. lo que dificulta la predicción precisa del clima extremo.
Las ventajas del muestreador de difusión de envolvente escalable (SEEDS)
Sin embargo Muestreador de difusión de envolvente de conjunto escalable (SEEDS) de Google produce modelos de pronóstico a partir de mediciones físicas recopiladas por agencias meteorológicas, analizando las relaciones entre la unidad de energía potencial por masa del campo gravitacional de la Tierra en la troposfera media y la presión al nivel del mar.
Esta inteligencia artificial puede extrapolar hasta 31 conjuntos de pronósticos, basándose solo en uno o dos pronósticos utilizados como datos de entrada.
Por otro lado, aclaran que los costes informáticos asociados a la realización de cálculos con Muestreador de difusión de envolvente de conjunto escalable (SEMILLAS) son insignificantes en comparación con los métodos actuales.
