¿Con una explosión de datos meteorológicos y climáticos que las herramientas de la última generación no pueden manejar, es la IA el futuro de la predicción meteorológica?
Investigaciones sugieren que sí, y una nueva startup llamada Brightband está apostando por convertir modelos de pronóstico de aprendizaje automático en un negocio y un estándar de código abierto.
Las técnicas actuales de predicción del tiempo y monitoreo del clima tienen raíces en modelos estadísticos y numéricos que tienen décadas de antigüedad. Eso no significa que sean malos o incorrectos, simplemente no son particularmente eficientes. Estos modelos basados en la física son algo en lo que dedicas unas semanas en una supercomputadora.
Pero la IA tiene un talento para identificar patrones en grandes volúmenes de datos, y la investigación ha demostrado que, cuando la IA se entrena con años de patrones climáticos y observaciones alrededor del mundo, puede predecir eventos futuros con una precisión sorprendente.
Entonces, ¿por qué no se usa en todas partes?
"La razón de esta brecha es que al gobierno le resulta difícil atraer talento de primer nivel, al igual que a las compañías meteorológicas, mientras que para estas compañías tecnológicas, el clima no es su industria principal. Ellos no profundizan en el dominio y trabajan con los actores para darles las herramientas que necesitan", explicó Julian Green, CEO y cofundador de Brightband (anteriormente conocida como OpenEarthAI). "Creemos que una startup reúne a grandes profesionales de la IA, grandes profesionales de los datos y grandes profesionales del clima. Existe una verdadera oportunidad para operativizar la IA y ponerla a disposición de todos".
La startup está en proceso de diseñar su propio modelo entrenado con años de datos de observación meteorológica, pero Daniel Rothenberg, cofundador y jefe de datos y clima, señaló rápidamente que están "parándose sobre hombros de gigantes".
"Los grandes modelos basados en la física son monstruos," dijo. "Pero la IA se beneficia de esos modelos, el primer salto fue aprovecharlos, descubrir que los modelos realmente pueden aprender esos patrones. Estamos construyendo sobre eso y extendiéndolo. Estamos apuntando al estado del arte: igual o mejor que el pronóstico meteorológico global disponible".
También sería órdenes de magnitud más rápido, señaló Green. "Esa es la interrupción central: es más rápido y más barato", lo que lo hace más adecuado para casos de uso personalizados y de rápido movimiento.
"Las personas tienen necesidades muy específicas en diferentes industrias", continuó Green. "Las compañías de energía necesitan poder predecir el suministro de energías renovables a partir del viento y el sol, y la demanda de calefacción y refrigeración; las compañías de transporte necesitan evitar el clima extremo; la agricultura necesita planificar semanas para contratar personas para sembrar, regar, fertilizar, u cosechar".
Curiosamente, la compañía se compromete a lanzar sus modelos para que cualquiera los pueda usar.
"Nuestro objetivo es poner a disposición básica la capacidad de pronóstico de código abierto, no solo el modelo sino también los datos que se utilizan para entrenarlo y las métricas que se usan para evaluarlo, pero el modelo es para agregar servicios de pago para capacidades más específicas," dijo Green.
Parte de hacerlo implica incluir (y procesar y liberar) una gran cantidad de datos que se han omitido a favor de bases de datos preprocesadas.
"Hay petabytes de datos históricos de globos meteorológicos y satélites que se ignoran porque son difíciles de trabajar," dijo Rothenberg; pero como con la mayoría de los modelos de IA, cuantos más datos mejor, y una variedad cuidadosamente curada puede mejorar significativamente la calidad de sus resultados. "Realmente creemos que construir una comunidad en torno a esto acelerará las cosas que podemos hacer en términos de comprensión de la atmósfera y hacerlo a gran escala".
Sugerí que esto parecía casi como si estuvieran haciendo lo que el Servicio Meteorológico Nacional (que proporciona toneladas de datos observacionales y pronósticos de forma gratuita como servicio público) y otras agencias harían si pudieran.
Green se abstuvo, diciendo que trabajan estrechamente con esas agencias y que son realmente los guardianes de una serie de datos importantes, simplemente no es necesariamente el tipo de datos rápido y portable que una empresa receptiva hacia el consumidor necesita. Dijo que ven esto como una continuación de la colaboración internacional sobre datos meteorológicos.
Respecto a dónde se encuentran realmente en la construcción del producto: "Es relativamente temprano", admitió Green. "Hemos estado trabajando en esto durante unos meses, nada está en vivo hoy, pero esperamos tener un modelo para finales de 2025 que tome observaciones [es decir, imágenes de satélite o radares locales] y produzca un pronóstico para ellos".
Brightband está estructurada como una corporación de beneficio público, pero eso es "principalmente una señalización", dijo Green. "Estamos tratando de presentar nuestra misión de manera transparente, fijando nuestra causa en el mástil y diciendo 'esto es lo que nos interesa hacer'. Creo que los 10 millones que recaudamos son un testimonio del hecho de que podemos atraer capital".
Una PBC en este caso básicamente significa que la junta directiva debe equilibrar los intereses de los accionistas con los de la misión declarada en ciertas circunstancias, pero no limita las ganancias ni nada por el estilo.
Esperen un producto relacionado con el clima antes que uno de clima, pero ninguno tiene una línea de tiempo definida excepto por la exposición de fin de año.
La ronda de financiación serie A de $10 millones de Brightband fue liderada por Prelude Venture, con la participación de Starshot Capital, Garage Capital, Future Back Ventures, Preston-Werner Ventures, CLAI Ventures, Adrien Treuille y Cal Henderson.
