Un equipo de Microsoft y la Universidad de Pensilvania presenta Aurora, un modelo de inteligencia artificial capaz de anticipar ciclones tropicales, calidad del aire, olas oceánicas y pronósticos a diez días con mayor precisión y velocidad que los sistemas tradicionales, y con una fracción del costo computacional

Desde hace décadas, la previsión del clima y los fenómenos terrestres descansa en complejos modelos numéricos que demandan enormes infraestructuras de cómputo y años de desarrollo. Aurora, el nuevo foundation model para el sistema terrestre, desafía este paradigma. Desarrollada por el grupo liderado por Paris Perdikaris en Microsoft Research AI for Science, esta IA se entrenó con más de un millón de horas de datos geofísicos y, en pruebas publicadas en Nature, superó sistemáticamente a siete de los principales centros de pronóstico en trayectorias de ciclones a cinco días (100% de aciertos) y en previsiones meteorológicas a diez días (92%).

Aurora combina redes neuronales de última generación con arquitecturas diseñadas para procesar rápidamente enormes volúmenes de información. «Cada experimento de ajuste fino del modelo requirió entre cuatro y ocho semanas con un equipo reducido de ingenieros, frente a los años que pueden llevar los modelos dinámicos tradicionales», señalan los autores. Esta rapidez no sacrifica exactitud: en predicción de la calidad del aire, las olas oceánicas y los ciclones, Aurora superó a sistemas operativos especializados, a la vez que redujo en un orden de magnitud el consumo de energía y recursos computacionales.

El secreto de Aurora radica en haber utilizado todos los datos generados por generaciones de investigación climática. El modelo no nació de cero, sino que aprendió de décadas de salidas numéricas tradicionales. Gracias a ello, fue posible completar su entrenamiento en menos de dos meses, un hito para la comunidad meteorológica. «El modelo puede ampliarse fácilmente para generar conjuntos de predicciones, algo clave en situaciones de alta incertidumbre», aclaran los investigadores.

Aunque hasta ahora Aurora se ha evaluado en cuatro ámbitos —ciclones, calidad del aire, olas y pronósticos a diez días— su diseño modular permite ajustarlo a tareas tan variadas como inundaciones, incendios forestales, dinamismo de la vegetación, productividad agrícola o patrones de polinización. Los autores subrayan que, sin perder la precisión, estas aplicaciones requieren una fracción del coste de los sistemas convencionales y podrían democratizar el acceso global a predicciones de alta calidad.

Hacia una predicción totalmente autónoma

Hoy Aurora depende de condiciones iniciales aportadas por sistemas clásicos de asimilación de datos. Sin embargo, el equipo contempla que en un futuro pueda trabajar directamente con observaciones satelitales o de sensores en tiempo real. También exploran si los patrones aprendidos por la IA pueden interpretarse en términos de procesos físicos concretos, lo que abriría la puerta a una comprensión más transparente de los fenómenos modelados.

La irrupción de Aurora en un campo históricamente dominado por cálculos matemáticos de primer principio anuncia un cambio de era. Al ofrecer mejores predicciones con menor inversión, esta IA tiene el potencial de fortalecer la resiliencia frente a eventos extremos, optimizar la gestión de recursos naturales y, en última instancia, salvar vidas. Elysa Rossi, climatóloga de la Universidad de Buenos Aires, valora que «con iniciativas como esta, la meteorología deja de ser un lujo de pocos y se convierte en una herramienta accesible para todas las comunidades».

Referencia
Perdikaris, P. et al. A foundation model for the Earth system. Nature (2025). https://doi.org/10.1038/s41586-025-09005-y

Por Daniel Ventuñuk
En base al artículo de Antonio Villarreal publicado en SINC