Un estudio revela que redes neuronales de 25 años superan a algoritmos modernos en la predicción de precipitaciones

Un descubrimiento inesperado ha cambiado la perspectiva sobre la evolución tecnológica en inteligencia artificial aplicada a la meteorología. Investigadores de la NASA, Corea y España han demostrado que las redes neuronales creadas hace 25 años para el satélite TRMM (Tropical Rainfall Measuring Mission) siguen siendo sorprendentemente competitivas. Este hallazgo ha sido publicado recientemente en la revista científica Atmospheric Research.

El equipo reactivó estas redes, originalmente programadas en FORTRAN, para probarlas en el satélite GPM (Global Precipitation Measurement), un modelo más avanzado. Los resultados fueron sorprendentes: las redes, a pesar de su antigüedad, compiten con los algoritmos modernos en la estimación de precipitaciones por satélite, una herramienta clave para monitorizar fenómenos meteorológicos extremos. En ciertos casos, incluso superaron el desempeño de las tecnologías actuales.

“Es increíble que unas redes neuronales de hace 25 años sigan siendo tan efectivas”, comenta Livia Leganés, doctoranda de la Universidad de Castilla-La Mancha y primera autora del estudio. Como parte de su tesis doctoral, Leganés desarrolló un conjunto de redes neuronales modernas utilizando herramientas avanzadas como Python y TensorFlow. Sin embargo, cuando comparó sus modelos con las antiguas redes diseñadas por su director de tesis, Francisco J. Tapiador, los resultados la sorprendieron. “No solo eran comparables, sino que en algunos casos las redes antiguas funcionaban mejor”.

Las ventajas del FORTRAN, según el estudio, radican en que este lenguaje crea programas que se integran directamente en los sistemas operativos, haciendo que sean más rápidos y fiables que los guiones interpretados por Python. Esto resulta clave para aplicaciones en las que la velocidad y la precisión son críticas, como la estimación de lluvias intensas durante eventos extremos.

Impacto en la meteorología moderna

El hallazgo no solo destaca la durabilidad de las tecnologías anteriores, sino también su aplicabilidad en situaciones actuales. Estas redes han demostrado ser útiles para ajustar los modelos de predicción meteorológica, como ocurrió durante la DANA que afectó a Valencia. En aquel caso, las herramientas modernas no estaban preparadas para procesar las altas tasas de precipitación horaria, lo que obligó a modificar los algoritmos en tiempo real.

“Este estudio nos recuerda que la innovación no siempre significa abandonar lo antiguo. A veces, se trata de redescubrirlo y mejorarlo”, señala Francisco J. Tapiador, director del proyecto y responsable del diseño de las redes originales junto al profesor Chris Kidd, de la NASA. Tapiador subraya que este trabajo revela una verdad importante: aunque los ordenadores actuales son más rápidos, los algoritmos han evolucionado poco en las últimas décadas.

Hacia un futuro híbrido

El equipo de investigación ya está trabajando en un nuevo objetivo: actualizar estas redes neuronales con herramientas modernas y adaptarlas a las tecnologías actuales. Según Livia Leganés, “será como ponerle un motor eléctrico a una bicicleta tradicional. La lógica detrás de la red sigue siendo la misma, pero adaptándola a los nuevos chips conseguiremos superar siempre a los modelos actuales”.

Este enfoque híbrido podría sentar un precedente en el desarrollo de algoritmos para satélites y otras aplicaciones científicas, combinando la robustez de tecnologías probadas con las ventajas de los avances recientes.

El trabajo ha sido financiado por la Agencia Estatal de Investigación y la Agencia de Investigación de Castilla-La Mancha, demostrando la importancia de la colaboración interdisciplinaria e internacional para abordar desafíos complejos en la ciencia y la tecnología.

Scroll al inicio