Los drones meteorológicos están llenando el vacío de datos que tanto los ejércitos como los comerciantes necesitan.

      El auge de la inteligencia artificial en la meteorología tiene un secreto sucio. A pesar de todo el habla sobre modelos que ven tormentas días antes, un pronosticador de IA es tan bueno como las observaciones que lo alimentan, y últimamente estas han escaseado. Según Bloomberg, ahora se están enviando drones al aire para llenar el vacío, convirtiéndose silenciosamente en sensores de los que dependen tanto los ejércitos como los comerciantes de energía. El punto ciego se encuentra en los pocos kilómetros más bajos de la atmósfera, la capa donde ocurre la mayor parte de nuestro clima. Durante décadas, ese segmento fue medido por radiosondas, los globos cargados de instrumentos lanzados dos veces al día desde estaciones en todo el mundo. A medida que esos lanzamientos disminuyen, también lo hace la data, y el momento no podría ser peor para una industria que corre para construir los pronósticos más inteligentes que el dinero puede comprar. La propuesta para la meteorología de IA es seductora. Google DeepMind ha afirmado que su sistema es el pronosticador del clima a 10 días más preciso del mundo. Pero un modelo entrenado con las lecturas de ayer aún necesita mediciones frescas para decirle qué está haciendo el cielo en este momento. Si lo privas de la verdad en el terreno, incluso la red neuronal más inteligente está, en esencia, adivinando. El declive es en parte autoinfligido. En los Estados Unidos, la escasez de personal tras despidos federales llevó al Servicio Meteorológico Nacional a suspender o reducir lanzamientos en una serie de estaciones de aire superior hasta 2025, creando huecos en un conjunto de datos que los pronosticadores habían dado por sentado durante mucho tiempo. Entra el dron. Empresas como Meteomatics de Suiza vuelan lo que llaman Meteodrones, pequeños aviones no tripulados presentados explícitamente como reemplazos de radiosondas. Suben varios kilómetros, muestreando temperatura, humedad, presión y viento en el camino hacia arriba, luego aterrizan para ser enviados de nuevo. La economía también ayuda. Un globo meteorológico es un asunto de un solo uso, flotando en el viento y rara vez recuperado, mientras que un dron recoge sus datos y regresa a casa para volar de nuevo, convirtiendo una cobertura irregular en un suministro confiable. Y la idea está pasando de la demostración al deber. Meteomatics dice que entregó datos operativos de drones meteorológicos al Servicio Meteorológico Nacional de EE. UU. por primera vez a principios de este año, como parte de un esfuerzo más amplio de la NOAA para incorporar las aeronaves en la previsión diaria en lugar de tratarlas como un experimento científico. Ahí es donde entra el dinero. En los mercados de energía y gas, los precios fluctúan según el viento, la producción solar y la temperatura, por lo que un pronóstico incluso ligeramente más preciso en las próximas horas es una ventaja comercial directa. Bloomberg informa que los comerciantes de energía son algunos de los clientes más interesados en obtener mejores datos a baja altitud, por la simple razón de que paga. El interés militar sigue la misma lógica. Las mismas lecturas que ayudan a un comerciante a posicionar un libro de gas también ayudan a un ejército a decidir cuándo volar, cuándo disparar y cuándo moverse, razón por la cual Bloomberg enmarca a los drones como sirviendo tanto a soldados como a especuladores. Todo esto se basa en una incómoda verdad para el público de la meteorología de IA. Google DeepMind, cuyo último pronosticador ha superado a la competencia, y retadores como Jua de Suiza, que afirma superar a Microsoft y Google, están compitiendo para construir mejores modelos. Sin embargo, la carrera por obtener mejores datos en bruto es, sin duda, más importante y considerablemente menos glamorosa. Para Europa, hay una ventaja estratégica enterrada en la historia. Meteomatics es una empresa europea que vende las herramientas de una fiebre de datos en la previsión americana, un raro caso de que el continente exporte el equipo en lugar de importarlo, incluso cuando los modelos de IA más destacados aún emergen de Silicon Valley. Hay una irónica coincidencia en ello. El futuro de la previsión estaba destinado a pertenecer al software, a modelos extensos entrenados en décadas de historia. En cambio, puede depender de quién pueda poner más sensores en el cielo y quién posee las lecturas que envían de vuelta. Quien lo haga puede ganar dinero o ganar batallas, un premio justo para una flota de drones que realiza el trabajo poco glamoroso que los algoritmos no pueden manejar sin ellos.