Las herramientas de inteligencia artificial están cambiando la forma de pronosticar riesgos meteorológicos y climáticos. Este verano, 38 millones de agricultores en India recibieron pronósticos basados en NeuralGCM, un modelo híbrido que combina física atmosférica y aprendizaje automático. Esos pronósticos estuvieron disponibles cuatro semanas antes de lo habitual y señalaron correctamente una pausa de tres semanas en el avance del monzón después de su llegada a tierra.
NeuralGCM, desarrollado por Google, fue comparado con modelos físicos convencionales y otros modelos de IA. Investigadores de la Universidad de Chicago indican que mostró buen desempeño en varias métricas y fue más eficiente en términos computacionales. La Universidad recibió apoyo de la Fundación Gates para evaluar modelos en África oriental y occidental, con foco en temporadas de lluvia y olas de calor.
Los pronósticos asistidos por IA se emplearon para aconsejar a agricultores sobre la siembra y pueden ejecutarse en un portátil, a diferencia de ciertos modelos que requieren supercomputadoras. Funcionarios y académicos destacaron beneficios económicos potenciales y la necesidad de vincular señales de lluvia con datos de humedad del suelo, déficit de presión de vapor y estrés térmico, según la etapa del cultivo. El equipo ya asocia cinco países:
- Bangladesh
- Chile
- Etiopía
- Kenia
- Nigeria
El plan es añadir diez países en 2026 y quince en 2027, extendiendo el alcance a millones de agricultores. Aún faltan por resolver varios desafíos técnicos y prácticos a medida que el proyecto se amplía.
Palabras difíciles
- modelo híbrido — sistema que combina dos enfoques distintos.
- aprendizaje automático — método de la IA que aprende de datos.
- eficiente — que usa pocos recursos para funcionar.
- humedad del suelo — cantidad de agua presente en la tierra.
- déficit de presión de vapor — escasez de vapor de agua en el aire.
- estrés térmico — daño o malestar por temperaturas altas.
- monzón — viento estacional con lluvias intensas.
Consejo: pasa el cursor, enfoca o toca las palabras resaltadas en el artículo para ver definiciones rápidas mientras lees o audicións.
Preguntas de discusión
- ¿Qué beneficios económicos concretos podrían obtener los agricultores con pronósticos disponibles semanas antes? Da ejemplos.
- ¿Qué desafíos técnicos y prácticos crees que son más difíciles de resolver al ampliar este proyecto a más países? Explica por qué.
- ¿Cómo cambiarían las decisiones sobre la siembra si los agricultores tuvieran información sobre humedad del suelo y estrés térmico además de lluvia? Describe posibles impactos.
Artículos relacionados
Un wearable con IA para detectar fragilidad en adultos mayores
Investigadores de la University of Arizona crearon una funda wearable que usa inteligencia artificial para detectar signos tempranos de fragilidad. El dispositivo analiza el movimiento en el muslo y envía solo resultados por Bluetooth.
Salmonella resistente en alimentos y agua de Karamoja
Un estudio halló que casi la mitad de la comida y el agua que consumen niños menores de cinco años en Karamoja está contaminada con Salmonella resistente a antibióticos. Las autoridades ya implementan vigilancia y educación sanitaria.
Preocupaciones por la vigilancia con IA en India
La rápida adopción de inteligencia artificial en India ha aumentado la vigilancia pública y las preocupaciones por la privacidad. Eventos de 2025–2026 muestran uso extenso de reconocimiento facial y fallos que afectan a servicios y derechos.
Inviernos más cálidos y la floración en Washington
Diciembre pasado fue el más cálido registrado en el estado de Washington y el invierno ha sido suave, con botones tempranos en jardines en febrero. Takato Imaizumi estudia genes estacionales y comenta sobre la floración, pero no hay conclusiones firmes.