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 escuchas.
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
Ataques de bots a activistas y medios en los Balcanes occidentales
En noviembre de 2025, operaciones de bots atacaron cuentas de Instagram de activistas y medios en los Balcanes occidentales. Meta.mk publicó informes el 16 y 23 de noviembre de 2025 sobre el uso de reglas automatizadas para silenciar voces.
Sensores e inteligencia artificial para vigilar la salud en la ELA
La University of Missouri prueba sensores domésticos con inteligencia artificial para detectar cambios de salud en personas con esclerosis lateral amiotrófica. El sistema busca avisar a los clínicos y apoyar decisiones como ajustes de tratamiento.
