Un equipo de científicos informáticos y meteorólogos de la University of California San Diego trabaja en el desarrollo de Zephyrus, un agente de inteligencia artificial diseñado para analizar datos meteorológicos y responder preguntas en lenguaje natural sobre el clima.
El proyecto fue presentado en la International Conference on Learning Representations (ICLR), que se celebrará del 23 al 27 de abril en Río de Janeiro, Brasil.
Los investigadores explican que, aunque los modelos de inteligencia artificial han mejorado considerablemente la predicción meteorológica en los últimos años, interpretar los datos que generan sigue siendo complejo y lento.
Zephyrus busca resolver ese problema al permitir que usuarios formulen preguntas en lenguaje común —como inglés— sobre información climática y reciban respuestas comprensibles.
Según el científico Duncan Watson-Parris, del Scripps Institution of Oceanography, el objetivo es ampliar el acceso a datos clave sobre el clima.
“Queremos simplificar el análisis de estos datos y facilitar que estudiantes e investigadores interactúen con distintos conjuntos de información sobre la Tierra”, explicó.
El sistema puede interpretar preguntas escritas en lenguaje natural, traducirlas a código para consultar modelos meteorológicos y luego convertir los resultados nuevamente en explicaciones fáciles de entender.
En sus pruebas iniciales, Zephyrus mostró buenos resultados en tareas como identificar lugares con determinadas condiciones climáticas o generar pronósticos para sitios y momentos específicos.
No obstante, todavía presenta dificultades para analizar fenómenos meteorológicos extremos o elaborar informes más complejos.
La investigadora Rose Yu, coautora del estudio, señaló que el proyecto busca reducir las barreras para acceder a la información climática.
“Nuestra visión es democratizar las ciencias de la Tierra. Zephyrus es un paso hacia la creación de cocientíficos de inteligencia artificial que permitan analizar datos meteorológicos y climáticos a una velocidad sin precedentes”, afirmó.
Los investigadores esperan que futuras versiones del sistema se entrenen con conjuntos de datos más amplios, lo que podría mejorar su precisión y ampliar su utilidad en campos como la agricultura, la gestión energética, el transporte y la prevención de desastres naturales.