Google ha presentado un conjunto de iniciativas que utilizan la inteligencia artificial para abordar desafíos ambientales en América Latina, con un enfoque particular en México. Las aplicaciones van desde la optimización de semáforos para reducir emisiones vehiculares hasta la predicción de desastres naturales como inundaciones y el pronóstico de lluvias con una precisión de minutos.
Primero, Google anunció el lanzamiento de su herramienta de pronóstico meteorológico en tiempo real, Google Nowcasting, para toda América Latina. Esta función, impulsada por inteligencia artificial, se integra directamente en el Buscador para ofrecer predicciones de alta precisión sobre precipitaciones en las próximas horas.
La tecnología detrás de esta herramienta es MetNet, un modelo meteorológico desarrollado en conjunto por Google Research y DeepMind. A diferencia de los sistemas tradicionales que dependen de complejas simulaciones atmosféricas, MetNet se entrena y realiza sus predicciones a partir de observaciones directas de datos satelitales.
Según la compañía, este enfoque le permite superar en puntualidad y exactitud a muchas de las técnicas convencionales, especialmente en pronósticos a muy corto plazo para lluvia, nieve o granizo.
A diferencia de los métodos tradicionales, MetNet se basa en observaciones directas de datos satelitales, permitiendo pronósticos para un radio de 5 kilómetros que se actualizan cada 15 minutos, con una ventana de predicción detallada de hasta 6 horas.
¿Cómo funciona para el usuario?
Al realizar una búsqueda como «clima hoy» o «tiempo hoy» en Google, la herramienta mostrará un resumen del próximo evento de precipitación. Presentará una línea de tiempo con predicciones para un radio de 5 kilómetros, con actualizaciones cada 15 minutos.
Esta visualización detallada cubre las próximas 6 horas, complementada con un pronóstico general por hora para las siguientes 12. Para activar la función, es necesario tener habilitada la ubicación en el dispositivo y encontrarse en una zona donde se esperen precipitaciones.
Un despliegue global
Google Nowcasting fue lanzado inicialmente en Estados Unidos en 2023 y desde entonces se ha expandido a regiones como la Unión Europea, Japón, India, Reino Unido y Brasil. Con su llegada al resto de Latinoamérica, la empresa busca ofrecer una herramienta de planificación más fiable para millones de usuarios en el mundo.
La compañía afirmó que la precisión de los pronósticos continuará mejorando a medida que se incorporen nuevos datos de socios meteorológicos regionales. Esto permitirá que la herramienta ofrezca predicciones confiables incluso en áreas con cobertura de datos tradicionalmente limitada, democratizando el acceso a información climática de alta calidad.
Las simulaciones meteorológicas estándar hacen sus predicciones intentando reproducir la física de la atmósfera. Han mejorado a lo largo de los años, gracias al perfeccionamiento de las matemáticas y a la incorporación de observaciones del clima cada vez más precisas procedentes de ejércitos cada vez más numerosos de sensores y satélites. También son engorrosos. Los pronósticos de los principales centros, como el ECMWF o la Asociación Nacional Oceánica y Atmosférica de EE UU, requieren horas de cálculo en potentes servidores.
A pesar de los muy bueno resultados de Google, la predicción meteorológica dista mucho de estar resuelta. Su modelo de IA no está diseñado para proporcionar pronósticos de conjunto, que detallan múltiples resultados potenciales de una tormenta u otro evento meteorológico, junto con una serie de probabilidades que resultan especialmente útiles para fenómenos de gran magnitud, como los huracanes.
Los modelos de inteligencia artificial también tienden a infravalorar la fuerza de algunos de los fenómenos más relevantes, como las tormentas de categoría cinco. Esto se debe posiblemente a que sus algoritmos favorecen las previsiones más cercanas a las condiciones meteorológicas promedio, por lo que son cautelosos a la hora de predecir escenarios extremos. Los investigadores de GraphCast también descubrieron que su modelo no superaba los pronósticos del ECMWF sobre las condiciones de la estratosfera, la parte superior de la atmósfera, aunque aún no saben por qué.
Optimización del tráfico para reducir emisiones: Project Green Light
En el ámbito de la movilidad urbana y el medio ambiente, la compañía introdujo Project Green Light. Esta iniciativa utiliza IA y datos de Google Maps para analizar patrones de tráfico complejos y optimizar la sincronización de los semáforos.
El objetivo es reducir el número de paradas y arranques de los vehículos, mejorando el flujo vehicular y, en consecuencia, disminuyendo las emisiones de carbono.
En México, la ciudad de Monterrey, Nuevo León, ya es parte de este proyecto, implementando la tecnología en 157 intersecciones viales estratégicas.
La optimización de los semáforos ha sido un desafío persistente para la ingeniería urbana. Tradicionalmente, su implementación a gran escala se ha visto frenada por el alto costo de las actualizaciones tecnológicas, la compleja coordinación intergubernamental y la escasez de ingenieros de tráfico.
La iniciativa de Google está ganando tracción precisamente porque sortea estas barreras: es una solución sin costo, de relativa sencillez y que aprovecha su principal activo: el inigualable volumen de datos de tráfico recopilados a través de Google Maps, la aplicación de navegación más popular del mundo.
Anticipación de inundaciones con IA y colaboración local
Para la gestión de riesgos hídricos, Google Research ha desarrollado un modelo de IA capaz de predecir inundaciones con hasta siete días de anticipación. El sistema analiza imágenes satelitales y otros datos para generar alertas tempranas que se distribuyen a los usuarios a través de la Búsqueda de Google, Google Maps y notificaciones en dispositivos Android.
De manera crucial para el país, Google ha establecido una colaboración con el Servicio Meteorológico Nacional de la CONAGUA para aplicar este modelo en beneficio de las comunidades más vulnerables de México, buscando mitigar el impacto de estos desastres naturales.
