Un equipo de investigadores del MIT y Microsoft ha desarrollado un innovador método de aprendizaje automático capaz de anticipar fenómenos meteorológicos extremos con un margen de entre dos y seis semanas, reduciendo drásticamente los errores del llamado «desierto de la predictibilidad». En pocas palabras - Hito científico: La nueva inteligencia artificial logra superar los promedios climatológicos tradicionales en el periodo subestacional. - Metodología PBC: El sistema cuantifica y elimina de forma automática los sesgos y errores históricos de los modelos de predicción. - Caso de éxito: El programa anticipó en enero la tormenta invernal Hernando que azotó Estados Unidos un mes después con nevadas récord. - Voces expertas: Mientras sus creadores apuntan a un avance decisivo, meteorólogos institucionales como los de la Aemet piden cautela sobre su alcance operativo. ¿Cómo funciona el nuevo método de inteligencia artificial para predecir el clima?

El sistema desarrollado por los científicos del MIT y Microsoft utiliza un enfoque de aprendizaje automático fundamentado en la Corrección Probabilística de Sesgos (PBC). En lugar de calcular el pronóstico desde cero, el software aprende a identificar y corregir de manera sistemática los errores recurrentes que cometen los modelos meteorológicos convencionales, logrando duplicar la precisión al aplicarse sobre los sistemas de pronóstico utilizados en Europa. La investigación, publicada en la revista científica Nature, detalla que este avance permite superar la barrera del «desierto de la predictibilidad», un lapso de entre diez días y seis semanas donde las posibilidades atmosféricas se multiplican y los modelos tradicionales suelen arrojar resultados equiparables al azar. | Aspecto Clave del Estudio | Detalle Técnico y Operativo | |---|---| | Instituciones Participantes | MIT (Massachusetts Institute of Technology) y Microsoft | | Horizonte Temporal | Periodo subestacional (de 2 a 6 semanas de anticipación) | | Tecnología Aplicada | Algoritmo de Corrección Probabilística de Sesgos (PBC) | | Validación Práctica | Predicción exitosa de la tormenta invernal Hernando en EE.

UU. | ¿Qué impacto real tuvo la IA en la predicción de tormentas invernales extremas? Durante las pruebas operativas realizadas a principios de 2026, el modelo demostró su capacidad para vislumbrar eventos de alto impacto que habitualmente escapan a los pronósticos a largo plazo, los cuales suelen tender hacia la media estadística. El 29 de enero, el sistema anticipó con precisión la llegada de la tormenta invernal Hernando, la cual comenzó el 22 de febrero y dejó acumulaciones superiores a los 60 centímetros de nieve en Nueva Jersey y 40 centímetros en la ciudad de Nueva York.

No obstante, la comunidad meteorológica mantiene posturas matizadas. Esteban Rodríguez Guisado, jefe de la división de Climatología de la Agencia Estatal de Meteorología (Aemet), señala que si bien la metodología es ingeniosa y útil para la planificación operativa, todavía no transforma radicalmente la predictibilidad global ni elimina por completo las barreras de las semanas tres y cuatro. ¿Qué limitaciones persisten en la predicción meteorológica a medio plazo?

A pesar de los récords alcanzados por el algoritmo del MIT y Microsoft, los propios autores del estudio reconocen que el margen de mejora sigue abierto. Las cifras de acierto continúan distando de los niveles de fiabilidad que se obtienen durante las primeras dos semanas de seguimiento meteorológico individualizado de los frentes y borrascas. El perfeccionamiento continuo de estos algoritmos de corrección de sesgos representa el siguiente paso para consolidar herramientas de apoyo que permitan a los servicios de emergencia movilizar recursos con mayor certidumbre ante catástrofes climáticas.

Preguntas frecuentes ¿Qué es el “desierto de la predictibilidad” en meteorología? Es el periodo de tiempo comprendido entre los 10 días y el mes y medio de antelación donde los modelos tradicionales pierden fiabilidad porque las posibilidades atmosféricas se multiplican exponencialmente. ¿Cómo logra la inteligencia artificial mejorar los pronósticos?

Utiliza un sistema llamado Corrección Probabilística de Sesgos (PBC) que analiza datos históricos para eliminar de forma automática los errores de cálculo de los modelos meteorológicos estándar. ¿Qué tormenta logró anticipar con éxito este nuevo modelo? El software pronosticó con semanas de margen la tormenta invernal Hernando, fenómeno que dejó acumulaciones de nieve superiores a los 60 centímetros en zonas de Estados Unidos.