DeepMind le saca un día extra a los huracanes: WeatherNext predice ciclones con una semana de ventaja

Cuando cada hora cuenta

Vivo en Chile, así que huracanes no me tocan directamente. Pero tengo amigos en el Caribe y he seguido de cerca la temporada de ciclones del Atlántico por años. Sé lo que significa que un huracán cambie de rumbo de la noche a la mañana y que la gente tenga 48 horas para evacuar en vez de 72. Esa diferencia son vidas.

Por eso lo que acaba de publicar Google DeepMind en Nature me parece de las noticias más subvaloradas de la semana. Su modelo WeatherNext logró algo que los meteorólogos persiguen hace décadas: ganarle un día completo de ventaja a la predicción de ciclones tropicales. En cristiano: sus pronósticos a 3 días son tan precisos como los que los modelos tradicionales entregan a 2 días.

No es magia, es arquitectura

Lo interesante de WeatherNext es cómo resolvió un problema que siempre forzó un trade-off técnico. El track de un ciclón (hacia dónde va) lo determinan corrientes atmosféricas globales, que necesitan modelos de gran escala. Pero la intensidad (qué tan fuerte se pone) depende de procesos a escala fina dentro del ojo del huracán. Hasta ahora necesitabas dos sistemas distintos para cada cosa.

WeatherNext unifica todo en un solo modelo. Usa Functional Generative Networks (FGNs) para generar ensembles — básicamente, múltiples predicciones que capturan la incertidumbre inherente del clima. Corre un forecast de 15 días en menos de un minuto en una TPU. Y lo más bizarro: solo necesita datos a resolución de 28×28 km, 100 veces más gruesa que los modelos tradicionales. Menos datos, mejor resultado. Eso es eficiencia real.

Probado en el mundo real

Esto no es un paper bonito que nunca salió del laboratorio. Durante la temporada de huracanes 2025, WeatherNext ayudó al National Hurricane Center (NHC) a hacer un pronóstico histórico para el huracán Melissa: predijo su intensificación rápida y su llegada a Jamaica con suficiente anticipación para que los equipos en terreno activaran protocolos de evacuación.

El modelo fue entrenado con casi 20 terabytes de datos atmosféricos globales y la base histórica IBTrACS con casi 5.000 tormentas documentadas. Cuando entrenas con medio siglo de ciclones, el modelo aprende patrones que ningún meteorólogo humano puede procesar manualmente.

Open source donde importa

Google DeepMind no solo publicó el paper. Liberaron el código y los pesos del modelo — tanto WeatherNext Cyclones como WeatherNext 2 y una versión compacta llamada WeatherNext 2-mini. Cualquier agencia meteorológica, universidad o investigador independiente puede descargarlo, correrlo y adaptarlo a su región.

Esto es importante para países como Chile, donde tenemos nuestros propios desafíos meteorológicos — no huracanes, pero sí sistemas frontales que dejan pueblos aislados y aluviones que matan gente. Un modelo que predice con un día extra de ventaja, corriendo en hardware accesible, es exactamente el tipo de herramienta que necesitamos adaptar.

Los ciclones han matado a más de 700.000 personas y causado 1.4 billones de dólares en pérdidas económicas. Ganar 24 horas de aviso no es un paper académico más. Es infraestructura que salva vidas. Y ahora es open source.

Fuente de inspiración: AI model achieves breakthrough in forecasting cyclones — Google DeepMind