La IA ya acierta con el tiempo. ¿Podrá hacerlo también con el clima?

Ya predice el tiempo mejor que muchos modelos convencionales, pero otra cosa es pronosticar el clima dentro de una o dos décadas. Algunos investigadores señalan que una de las claves será avanzar de la mano de la física.

El gesto de echar la mano al móvil para comprobar el tiempo que hará el próximo fin de semana ya es casi tan rutinario como hacer scroll para ver vídeos de gatitos en las redes sociales. Gran parte de esas predicciones se basan en la inteligencia artificial, que ha empezado a mirar de tú a tú a los modelos meteorológicos tradicionales en menos de un lustro. Ahora bien, si hemos alcanzado una tasa de acierto elevada en el plazo de días gracias a la inteligencia artificial, ¿es posible utilizarla también para entender cómo será el planeta dentro de 30 años y gestionar el cambio climático en curso?

 

Esa fue la premisa de la que partió Frontiers in Climate Science, el evento que la Stanford Doerr School of Sustainability de la Universidad de Stanford organizó en octubre de 2026. Fue un debate marcado por la experiencia teórica y práctica de los ponentes. A saber: Isla Simpson, científica sénior del Centro Nacional de Investigación Atmosférica estadounidense (NSF NCAR) y Tapio Schneider, profesor de Caltech, científico principal en Google y director de la Climate Modeling Alliance (CliMA). La moderación del panel corrió a cargo de Marcia McNutt, expresidenta de la Academia Nacional de Ciencias de EE. UU. Por decirlo de forma resumida: la respuesta es sí. Luego, por supuesto, vienen las matizaciones.

 

En este artículo encontrarás los siguientes temas:

Si preguntamos a los investigadores del clima, el cambio climático genera un amplio consenso. Lo complicado llega al entrar en los detalles: ¿cuánto?, ¿dónde? y, ¿cuándo? Tal como señala Arun Majumdar, decano de la escuela y responsable de la presentación inicial, aún falta mucho por comprender en lo que respecta a sus mecánicas de funcionamiento. Y más cuando hablamos de construir el mundo del mañana.

 

Tapio Schneider ofrece un ejemplo práctico en ese sentido. Cuando un ingeniero de caminos recibe el encargo de diseñar un sistema de alcantarillado para una ciudad como Palo Alto no lo hace pensando en términos de años, sino de décadas. Tal como apunta, el diseño inicial debe estar preparado para lidiar con las tormentas que se producirán dentro de 50 años. Sin embargo, en función del modelo climático en el que nos basemos, la Tierra superará los 2°C de aumento de temperatura a corto plazo o dentro de varias décadas. ¿Para qué tipo de lluvia lo diseñamos entonces?

 

Gran parte de ese desconocimiento radica en un fenómeno que, sin embargo, observamos de forma cotidiana: las nubes. Si con el calentamiento aumentan las nubes bajas, estas reflejarán más radiación solar hacia el espacio y ralentizarán el aumento de temperatura. Si disminuyen, lo acelerarán. Schneider explica que esa incertidumbre no se ha reducido sustancialmente desde que se empezó a evaluar el clima en los años 70 del siglo XX. “Y es principalmente porque no sabemos cómo reaccionan las nubes al calentamiento global”, concluye.

Cuando un ingeniero de caminos recibe el encargo de diseñar un sistema de alcantarillado para una ciudad como Palo Alto no lo hace pensando en términos de años, sino de décadas.

También hay otras lagunas de importancia.  Por ejemplo, los aerosoles producen efecto de sombrilla que enmascara parte del calentamiento: en la India, por ejemplo, las temperaturas han subido menos que en el resto del mundo. En palabras de Schneider, es beneficioso combatir la polución atmosférica, pero a su vez eso implica una mayor subida en las temperaturas. Y otro foco de incertidumbre: cuál será el comportamiento del carbono actualmente almacenado en bosques y suelos. 

 

Dicho esto, investigadores como Simpson llevan años validando este tipo de simulaciones sobre el terreno, en gran medida gracias a los registros satelitales. El saldo es positivo en líneas generales, pero también hay deficiencias considerables: el Pacífico tropical y el océano Austral funcionan de manera diferente a lo esperado, mientras que la corriente en chorro del Atlántico Norte se ha fortalecido mucho más de lo que predice cualquier modelo. Pese a todo, insiste en no dramatizar: “No quiero que la gente piense que todos los modelos son pésimos; hacen muchas cosas bien”.  

En el campo de la predicción meteorológica, la inteligencia artificial ha supuesto un salto cualitativo. “Hace seis años, estos modelos de IA estaban muy por detrás de los modelos físicos. Y ahora, según algunas métricas, aunque no todas, están por encima de ellos”, argumenta Schneider. Ya hay organismos oficiales que los emplean a diario, como el Centro Europeo de Previsiones Meteorológicas a Medio Plazo (ECMWF), cuyo modelo de IA consume, según sus propias estimaciones, mil veces menos energía por cada predicción realizada. 

Ahora entramos en el factor: la confianza.  ¿Por qué nos fiamos del parte meteorológico que aparece en la pantalla del móvil? Fundamentalmente, porque se pone a prueba a diario.  Si la app del tiempo no falla mañana y pasado, acabamos confiando en sus predicciones. Con los modelos climáticos ya no es tan fácil, ya que no se puede esperar a que transcurran 50 años para ver si una simulación era acertada o no. 

La inteligencia artificial aprende de información pasada, mientras que el futuro es una máquina de romper patrones.

Una segunda barrera se debe a que la inteligencia artificial aprende de información pasada, mientras que el futuro es una máquina de romper patrones. “En unas décadas las nubes alcanzarán una altura mucho mayor que cualquier nube de la Tierra en la actualidad”, anticipa Schneider. Ante una situación sin precedentes, la IA tiende a ensimismarse: en un concurso de previsiones a tres o cuatro semanas vista, señala Schneider, uno de los sistemas acabó eligiendo el escenario medio en gran parte del planeta. “Lo que pasa es que el modelo de IA busca la media”. Como dice Marcia McNutt, la mejor herramienta para predecir el futuro, quizás la única que la humanidad ha creado, es la ciencia. Y en esos modelos de IA había muy poca física. 

 

Eso no quiere decir que debamos prescindir de la IA, sino acotar el espacio en el que se aplica. No hace falta entender la termodinámica de las tormentas para echar mano de un paraguas al salir de casa: basta con un pronóstico fiable.  Cuando se trata del clima, matiza Schneider, es más complicado “separar la comprensión del fenómeno del acto de predecirlo”. Y ahí las cajas negras de la inteligencia artificial entran en colisión con ese propósito. Es decir, podemos obtener una predicción sin entender bien cómo ha llegado el sistema a ella, lo que dificulta valorar si será fiable en condiciones distintas de las que ha aprendido.

Ese es precisamente el punto de partida del proyecto CliMA, el consorcio liderado por Schneider desde Caltech. Su propuesta combina las leyes físicas que explican cómo funciona el clima con la capacidad de la IA para aprender de los datos. Su propósito original se limitaba a mejorar los modelos físicos de las nubes, pero poco a poco acabaron construyendo un modelo radicalmente nuevo. El resultado, a su juicio, es el primero en cuatro décadas que supone un modelo climático realmente revolucionario: “Arrancamos de cero, con ninguna línea de código. Ahora mismo tiene 600.000”. 

 

Las leyes físicas que garantizan la conservación de masa, cantidad de movimiento y energía son guías que permiten a las proyecciones avanzar hacia estados inéditos. Por ejemplo, si el modelo calcula que se derrite nieve, debe tener en cuenta de dónde procede el calor y qué ocurre con el agua resultante. Dentro de esas restricciones, la IA aprende de los datos qué procesos a microescala ofrecen comportamientos parecidos bajo cualquier condición climática, tal como sucede con el flujo de las turbulencias o la forma en que las masas de aire de una nube interactúan con las que la rodean. La IA ayuda a representar el efecto de esos pequeños movimientos sin tener que calcularlos uno por uno en todas las nubes del planeta.

Su propuesta combina las leyes físicas que explican cómo funciona el clima con la capacidad de la IA para aprender de los datos.

El equilibrio entre física y datos depende en gran medida del problema. Las nubes requieren una representación física que es decisiva; la nieve, en cambio, encaja a la perfección con la IA: observarla a diferentes altitudes y latitudes proporciona una buena muestra representativa de cómo responderá al calentamiento. Schneider, apasionado del esquí, explica que una red neuronal con un puñado de líneas de código ha conseguido mejorar en casi un 30% el margen de error respecto al modelo convencional más avanzado.

 

El modelo ofrece otras mejoras prácticas.  Funciona enteramente sobre GPU, por lo que se puede ejecutar en el clúster de una universidad media sin necesidad de gran centro de supercomputación. Además, es de código abierto y, según su creador, reduce costes sensiblemente. Incluso el proceso de investigación puede ser más rápido. Se pueden utilizar agentes al objeto de escribir ecuaciones, probarlas e introducir mejoras. Todo ello sin sacrificar la comprensión de lo que está sucediendo: “Al final lo que quieres es entender lo que se ha aprendido”, sentencia. 

Aunque este tipo de investigaciones buscan un equilibrio entre la IA y los modelos físicos de una forma bastante experimental, la gestión de las causas y consecuencias del cambio climático ya está notando el impacto directo de la inteligencia artificial. Estos son algunos ejemplos:

  • Energías renovables y redes eléctricas. La IA pronostica los ciclos de generación solar y eólica, optimiza el almacenamiento energético y acompasa la oferta y la demanda en redes inteligentes como la de Copenhague. Estos y otros avances quedan patentes en iniciativas orientadas a un tejido productivo con una menor huella de carbono.
  • Gestión del agua. La tecnología permite optimizar los recursos hídricos en épocas de escasez persistente. Por ejemplo, el proyecto PRISTINE, coordinado por ACCIONA, determina al instante la concentración de contaminantes emergentes en las estaciones depuradoras.
  • Previsión meteorológica y alertas tempranas. El modelo de IA del Centro Europeo de Previsiones Meteorológicas a Plazo Medio, plenamente operativo desde febrero de 2025, incrementa hasta un 20 % la precisión al trazar las trayectorias de ciclones.
  • Detección y extinción de incendios forestales. La analítica de datos y los drones pueden erigirse en un verdadero cortafuegos tecnológico: los sensores orbitales avistan un conato en cuestión de minutos y plataformas como FireMap emplean algoritmos para cartografiar la evolución de un fuego al instante, arropadas por simuladores que calculan la dirección de avance de las llamas.

Volvemos al comienzo, ¿puede entonces la IA ayudarnos a entender y afrontar el cambio climático? En Stanford la conclusión es afirmativa, siempre y cuando se apoye en los modelos físicos y en series empíricas contrastables. En la adaptación a sus consecuencias, los resultados ya son palpables. En cualquier caso, la IA promete ser un aliado formidable ante uno de los grandes retos de la humanidad.

 

Fuentes:

David es periodista especializado en innovación. Desde sus primeros tiempos como analista de telefonía móvil hasta su faceta de Country Manager de Terraview, una startup de IA aplicada a viticultura, ha estado apegado a la innovación y las nuevas tecnologías.
 
Es colaborador de El Confidencial y en medios culturales como Frontera D y El Estado Mental, siempre desde la convicción de que lo humano y lo tecnológico pueden (y deben) ir de la mano.