DeepMind WeatherNext predice los huracanes antes que los modelos de pronóstico actuales

Google DeepMind anunció en agosto de 2026 WeatherNext, un modelo de IA que predice los huracanes antes y con más precisión que cualquier sistema de pronóstico meteorológico existente, y que además utiliza datos de menor resolución.

Qué puede hacer WeatherNext

WeatherNext resuelve dos tareas a la vez: determina el track del huracán (hacia dónde se desplaza la tormenta) y su intensidad (cuán potente es). Los modelos numéricos tradicionales suelen manejar mejor uno de los dos parámetros que el otro. WeatherNext pronostica ambos de forma conjunta y, además, se adelanta a los sistemas existentes en el tiempo de aviso.

• Desarrollador: Google DeepMind
• El modelo se publicará en acceso abierto (open source)
• Pronostica a la vez el track y la intensidad del huracán
• Funciona con datos de resolución reducida
• Emite el aviso antes que los métodos tradicionales

Cada hora adicional de pronóstico tiene un valor directo para la seguridad: permite evacuar a la población, desplegar los servicios de rescate y preparar la infraestructura crítica antes de que llegue la tormenta. Cuanto más preciso y temprano sea el pronóstico de dónde y con qué fuerza golpeará el huracán, con más eficacia podrán distribuir sus recursos los servicios meteorológicos y las autoridades.

Por qué ni los propios investigadores entienden cómo funciona

La característica fundamental de WeatherNext, y su principal enigma, es que el mecanismo de funcionamiento del modelo no está claro ni siquiera para sus desarrolladores. Según informa Wired, el equipo de DeepMind no puede explicar del todo cómo el modelo extrae un pronóstico fiable a partir de datos de resolución reducida.

«Los investigadores aún no entienden del todo cómo lo hace exactamente el modelo», señala el artículo de

Wired, que cita a DeepMind.

Es un problema clásico de las redes neuronales: la opacidad de la arquitectura (la «caja negra»). Para los servicios meteorológicos y los organismos de rescate, esto tiene una dimensión práctica: las decisiones de evacuar regiones enteras se toman a partir de pronósticos. Si el modelo se equivoca y la causa del error es opaca, corregir su comportamiento resulta extremadamente difícil. DeepMind califica el esclarecimiento de este mecanismo como objeto de investigación en curso.

Por qué la baja resolución de los datos supone un avance

En la meteorología clásica, la precisión del pronóstico depende directamente de la densidad y el detalle de las observaciones: más datos y de mayor calidad dan mejores pronósticos. WeatherNext le da la vuelta a esa lógica: el modelo alcanza una alta precisión con datos de entrada que los sistemas tradicionales considerarían insuficientes.

La importancia práctica es especialmente grande para las regiones tropicales y los pequeños Estados insulares. Allí los huracanes son más destructivos y, con frecuencia, la infraestructura meteorológica está obsoleta o incompleta: pocas estaciones en superficie, lagunas en los datos, falta de equipamiento moderno. Un modelo capaz de dar un pronóstico temprano y preciso con déficit de información cambia de forma radical las posibilidades de los sistemas de alerta para millones de personas.

DeepMind planea publicar WeatherNext como open source, lo que permitirá a los servicios meteorológicos nacionales y a investigadores independientes de todo el mundo adaptar el modelo, verificar sus resultados y mejorarlo con sus propios datos regionales.

Qué significa

Si WeatherNext supera una verificación independiente, el pronóstico de huracanes con IA podría entrar en el instrumental estándar de los servicios meteorológicos de todo el mundo. El código abierto acelerará esa transición: las regiones más vulnerables a los huracanes tendrán acceso a un modelo de vanguardia sin necesidad de desarrollarlo por su cuenta.

Preguntas frecuentes

¿Cuándo se publicará WeatherNext en acceso abierto?

DeepMind anunció su intención de publicar WeatherNext como open source, pero el artículo de Wired no menciona plazos concretos.

¿Qué significa trabajar «con datos de menor resolución»?

Los modelos de pronóstico tradicionales requieren una red densa de observaciones meteorológicas de alto detalle. WeatherNext muestra una alta precisión con datos de entrada más «dispersos», algo de importancia crítica para países y regiones con una infraestructura de monitoreo del tiempo poco desarrollada.