El modelo de Google fue evaluado con ciclones de 2023 y 2024 y utilizado como orientación experimental por el National Hurricane Center en 2025. La compañía liberó el código y los pesos, pero advierte que el sistema no sustituye los pronósticos oficiales.
Google DeepMind presentó los resultados de WeatherNext Cyclones, un modelo de inteligencia artificial diseñado para pronosticar conjuntamente la trayectoria, la intensidad y la estructura de los vientos de ciclones tropicales.
La investigación, cuyo primer autor es Ferran Alet, fue publicada en Nature el 6 de agosto de 2026. El trabajo reúne a investigadores de Google DeepMind y Google Research con especialistas del National Hurricane Center de Estados Unidos, el Cooperative Institute for Research in the Atmosphere y UK Met Office.
Qué muestran las evaluaciones
Los autores evaluaron versiones de WeatherNext Cyclones con tormentas de 2023 y 2024. Para reducir el riesgo de que el modelo hubiera visto los casos durante el entrenamiento, cada versión se entrenó únicamente con información de años anteriores al periodo evaluado.
Según el estudio, el modelo obtuvo en promedio una ventaja superior a 24 horas al comparar errores de trayectoria, intensidad y extensión del viento con sistemas meteorológicos de referencia. Esto significa que, dentro de las pruebas descritas, algunos pronósticos a tres días alcanzaron una precisión comparable con la que otros modelos lograban a dos días.
El sistema fue entrenado con cerca de 20 terabytes de información atmosférica global y observaciones de aproximadamente 5.000 tormentas contenidas en la base IBTrACS. Produce pronósticos de hasta 15 días y puede generar conjuntos de escenarios para representar la incertidumbre, en lugar de entregar una única trayectoria.
Uso experimental durante 2025
Una versión entrenada con datos disponibles hasta 2024 funcionó durante la temporada de huracanes de 2025 bajo el identificador GDMI. Los meteorólogos del National Hurricane Center utilizaron sus resultados como una fuente adicional de orientación, junto con modelos físicos, sistemas de consenso, observaciones y análisis humano.
Los informes de verificación del National Hurricane Center y los reportes de tormentas individuales registran casos en los que GDMI tuvo errores inferiores a otros modelos, aunque su desempeño no fue uniforme en todos los ciclones y plazos. En el caso del huracán Melissa, Google sostiene que WeatherNext anticipó con cinco días de antelación una llegada a Jamaica con intensidad de categoría 5.
Ese caso no significa que el modelo emitiera por sí mismo la alerta ni permite atribuirle de forma aislada las decisiones adoptadas. Los pronósticos oficiales continuaron bajo responsabilidad del National Hurricane Center y combinaron múltiples fuentes de orientación con el criterio de sus especialistas.
Código y pesos disponibles
Google también abrió el repositorio de WeatherNext, que incluye código bajo licencia Apache 2.0, pesos de los modelos y una versión compacta preparada para ejecutarse en un entorno Colab. Los modelos de mayor tamaño requieren aceleradores con más memoria, como TPU o GPU H100.
El propio repositorio describe WeatherNext como un proyecto experimental de investigación, distribuido sin garantías y no respaldado como producto oficial por una agencia meteorológica. Por ello, sus resultados pueden servir para investigación y apoyo técnico, pero no deben sustituir avisos de huracanes, órdenes de evacuación ni pronósticos emitidos por las autoridades.
Fuentes: Google DeepMind – WeatherNext: AI model achieves breakthrough in forecasting cyclones; Nature – Operational tropical cyclone forecasting with AI y Google DeepMind – Repositorio de WeatherNext
Ilustración: captura del sitio
📬 Newsletter gratuito
