La startup suiza JUA ha lanzado un pronosticador meteorológico impulsado por IA que, según dice, supera a los modelos líderes de los gigantes tecnológicos, lo que podría convertirlo en el sistema de pronóstico meteorológico más preciso del mundo.
JUA afirma que su modelo, denominado EPT-2, es más rápido y más preciso que Aurora de Microsoft y Graphcast Graphcast de Google Deepmind. En separado, revisado por pares estudiosse demostró que ambos modelos son más precisos que el Centro Europeo para el pronóstico de los pronósticos meteorológicos de mediano alcance (ECMWF), ampliamente considerado como el líder mundial.
JUA respalda sus llamadas afirmaciones con un nuevo informe, publicado hoy, que pone a EPT-2 frente a los modelos de primer nivel, incluidos Aurora y dos de los mejores: ENS e IFS Hres de ECMWF.
Según el documento, EPT-2 salió en la cima, entregando los pronósticos más precisos en todos los ámbitos. Venció a Aurora en variables clave como la velocidad del viento de 10 metros y la temperatura del aire de 2 metros durante un período de 10 días, Ran pronostica un 25% más rápido y registró los puntajes de error más bajos de todos los modelos probados. JUA dice que logró todo esto mientras usaba un 75% menos de potencia informática que Aurora, el segundo sistema más eficiente probado.
La investigación se publicará en el archivo de acceso abierto ARXIV la próxima semana, según JUA.
El modelo Graphcast de Deepmind no se incluyó en el estudio. Sin embargo, Marvin Gabler, CEO y cofundador de JUA, confía en que puede vencer a toda la competencia.
«Respetamos a los jugadores como Microsoft Aurora, Graphcast y Tomorrow.io, pero son demasiado lentos, demasiado estrechos o aún dependen de la infraestructura heredada», dijo Gabler.
El pronóstico del tiempo basado en la IA ha estado haciendo olas en los últimos años, impulsadas por la demanda de formas más precisas y más baratas de predecir el clima de la Tierra.
Los modelos climáticos tradicionales, como los de ECMWF o NOAA, utilizan ecuaciones de física complejos que se ejecutan en supercomputadoras de mil millones de dólares. Los modelos de IA omiten las ecuaciones, de aprendizaje de patrones de conjuntos de datos masivos, lo que puede hacer pronósticos precisos miles de veces más rápido en máquinas mucho más baratas y menos intensivas en energía.
Sin embargo, Gabler dice que JUA lo lleva un paso más allá de los pronosticadores anteriores basados en IA. «Mientras que otros están modificando la IA en los sistemas heredados, hemos creado una simulación de física nativa que comprende cómo se comporta realmente la atmósfera de la Tierra», dijo.
JUA lanzó su primer modelo global de clima de IA hace tres años. Desde entonces, la startup ha recaudado un total de $ 27 millones en fondos de patrocinadores, incluidos 468 Capital, Future Energy Ventures y Promus Ventures.
