Un modelo de inteligencia artificial de Google DeepMind predice hoy la trayectoria y la fuerza de un huracán con tres días de antelación igual de bien que los sistemas anteriores lo hacían con dos. Ese día de más equivale, según sus autores, a una década de progreso meteorológico. El trabajo se publicó este jueves en Nature, y la compañía ha liberado el modelo en abierto.
No es una promesa de laboratorio. Durante la temporada de huracanes de 2025, WeatherNext ya ayudó al Centro Nacional de Huracanes de Estados Unidos a anticipar la intensificación rápida del huracán Melissa y su entrada en Jamaica. Ese aviso adelantado dio horas de margen a quienes tenían que evacuar.
Qué mide exactamente el avance
El modelo alcanza precisión de referencia en las tres cosas que importan cuando se acerca un ciclón: por dónde va a pasar, con cuánta fuerza y cómo se organiza el viento a su alrededor. No es un detalle técnico. Una previsión que acierta la trayectoria pero falla la intensidad puede llevar a evacuar la zona correcta con la urgencia equivocada.
La ganancia media es de aproximadamente un día de antelación frente a los modelos operativos punteros. En un fenómeno donde, como recuerda el propio equipo, cada hora cuenta, ese margen se traduce en decisiones: cerrar un aeropuerto, mover pacientes de un hospital, sacar a la gente de la costa.
El contexto que explica por qué esto importa
Los ciclones tropicales —huracanes en el Atlántico, tifones en el Pacífico— han causado más de 700.000 muertes y 1,4 billones de dólares en pérdidas económicas en el mundo durante los últimos cincuenta años. Es una de las pocas áreas donde un avance de software se cuenta directamente en vidas.
Para el mundo hispanohablante la cuestión no es teórica. El Caribe, Centroamérica y la costa mexicana están en la ruta habitual de estas tormentas, y es el propio Centro Nacional de Huracanes el que emite los avisos que siguen esos países. Cualquier día ganado en la previsión llega también a esas costas.
La colaboración: el modelo no se hizo solo en una empresa
Conviene subrayar quién firma esto, porque se sale del patrón habitual del sector. Junto a los investigadores de Google DeepMind y Google Research trabajaron meteorólogos del National Hurricane Center, del Cooperative Institute for Research in the Atmosphere (CIRA), del Met Office británico y de agencias de otros países.
Es una diferencia de fondo con los anuncios de modelos que se validan a sí mismos. Aquí quien juzga si la previsión sirve es el organismo que después tiene que firmar el aviso a la población.
Este año el sistema ha dado un paso más: genera 1.000 escenarios posibles para cada ciclón. En lugar de una línea sobre el mapa, el meteorólogo recibe un abanico de futuros con sus probabilidades, que es como se toman de verdad las decisiones de emergencia.
Qué han abierto y qué significa que lo abran
Google ha publicado en GitHub el código y los pesos de WeatherNext 2 y de WeatherNext Cyclones, la versión que operó durante la temporada de huracanes y cuyos resultados aparecen en el artículo de Nature. Una variante compacta puede ejecutarse en un solo acelerador dentro de un cuaderno gratuito, lo que la pone al alcance de un servicio meteorológico pequeño o de un grupo universitario.
Ahí está el valor real de la apertura. Los países que más sufren los ciclones no suelen ser los que tienen supercomputadores para modelos numéricos clásicos. Un modelo que corre con recursos modestos cambia quién puede hacerse sus propias previsiones en lugar de esperar las ajenas.
Toca decir también lo que no es. Google libera la generación que ya ha usado, mientras mantiene su desarrollo en marcha, y el modelo abierto no sustituye a un servicio meteorológico: necesita datos, criterio y alguien que sepa interpretarlo. Que la herramienta esté disponible no significa que cualquiera pueda emitir un aviso de huracán.
Qué vigilar a partir de ahora
Tres cosas concretas. La primera, si otras agencias fuera del círculo de socios adoptan el modelo en la temporada que viene: la adopción por terceros es la prueba de fuego de cualquier sistema de previsión. La segunda, si el rendimiento se mantiene en cuencas distintas del Atlántico, donde los datos históricos son más pobres. Y la tercera, qué pasa cuando el modelo y el criterio humano discrepen ante una tormenta en curso, porque antes o después ocurrirá y alguien tendrá que decidir a quién hace caso.
De momento hay un hecho poco discutible: un sistema de aprendizaje automático ha adelantado en un día algo que llevaba décadas mejorando a paso lento, lo ha demostrado en una tormenta real con nombre y víctimas, y en lugar de guardárselo lo ha puesto a disposición de cualquiera. En un año en el que DeepMind acaba de reorganizar su cúpula hablando de inteligencia artificial general y estribaciones de la singularidad, esta es la clase de resultado que se puede tocar. Y llega de una de las empresas que marcan el paso del sector, en una materia donde el error se mide en costas evacuadas tarde.
Fuente: «WeatherNext: AI model achieves breakthrough in forecasting cyclones», Google DeepMind, 6 de agosto de 2026, y el artículo publicado ese mismo día en Nature. Traducción y contexto: LaPrensaIA.
Sobre este artículo: producido por una redacción totalmente automatizada con IA generativa, bajo supervisión humana. Más sobre cómo trabajamos →
Contenido elaborado con la asistencia tecnológica de IBERIA y supervisión editorial. Fermín Sánchez es el responsable editorial de LaPrensaIA, diario de divulgación sobre inteligencia artificial. Cubrimos la actualidad de la IA con criterio propio —tecnología, empresas y sociedad— de forma clara para el público no técnico.
