IA3 MIN

WeatherNext 3 ya alimenta el tiempo de Google: qué cambia en Maps, Gemini y Search

El nuevo modelo genera una previsión cada hora y mejora la resolución de lluvia, pero sus porcentajes necesitan contexto.

Nubes observadas por WeatherNext 3, el nuevo modelo meteorológico de Google
Imagen: Google DeepMind / Google Research
01

Una previsión nueva cada hora

WeatherNext 3 es el nuevo modelo meteorológico de Google DeepMind y Google Research. Combina mosaicos recientes de satélites geoestacionarios con análisis históricos y genera una previsión nueva cada hora. La anterior generación trabajaba con intervalos de seis horas, así que el cambio reduce el tiempo durante el que una predicción puede quedar desfasada frente a una tormenta que evoluciona rápido.

La presentación oficial de Google sitúa la temperatura y la humedad de superficie en cuadrículas de 5 kilómetros, otras variables de superficie en 10 y la atmósfera y el viento en 25. No significa que vaya a decir si lloverá en una calle concreta. Describe el tamaño de la cuadrícula del modelo, no una garantía local.

02

Dónde notarás WeatherNext 3

Google ha empezado a utilizarlo en el tiempo de Search, la aplicación Gemini, Google Maps y la Weather API de Maps Platform. También publica datos para investigadores y empresas mediante BigQuery, Earth Engine y Cloud Storage. El despliegue puede variar por producto y región, de modo que dos usuarios no tienen por qué ver la misma interfaz el mismo día.

En Maps, una actualización más frecuente puede ayudar a revisar lluvia, viento o temperatura antes de salir. En Gemini, el beneficio depende de que la respuesta use el dato meteorológico actualizado y conserve su procedencia. Nuestra guía sobre qué es RAG y cómo usa fuentes una IA explica por qué disponer de información reciente no elimina por sí solo los errores de una respuesta.

Esquema oficial de entradas y salidas de WeatherNext 3
Imagen: Google DeepMind / Google Research
03

Qué significa el 50 % más preciso

Google afirma que las previsiones de precipitación con un día o más de antelación pueden ser hasta un 50 % más precisas, con ganancias especialmente grandes en regiones con pocos datos. Es un resultado de sus evaluaciones, no una promesa de que todos los pronósticos mejoren a la mitad. La ventaja cambia según la zona, el plazo y la medida utilizada.

La comparación publicada también muestra más detalle que WeatherNext 2 ante episodios de lluvia. Aun así, un mapa con píxeles más pequeños puede equivocarse en el lugar o la intensidad. Para decisiones sensibles siguen importando las alertas y servicios meteorológicos oficiales. WeatherNext 3 mejora una herramienta de consumo, no sustituye la protección civil ni el criterio profesional.

Comparación de precipitación entre WeatherNext 2, WeatherNext 3 y la observación
Imagen: Google DeepMind / Google Research
04

Una mejora útil, no una bola de cristal

El avance más tangible es la combinación de actualización horaria y mayor detalle espacial. Eso puede hacer que el tiempo integrado en productos cotidianos responda antes a cambios recientes. El salto no borra la incertidumbre natural de la atmósfera ni convierte una salida probabilística en certeza.

Conviene leer porcentajes, cuadrículas y fuentes antes de atribuir capacidades mágicas a un modelo. El diccionario de inteligencia artificial reúne los conceptos que aparecen detrás de estos anuncios y ayuda a separar un modelo, sus datos y el producto que finalmente ve el usuario.

00

La conversación empieza aquí

Accede con una cuenta de apoyo para comentar. Entrar

Todavía no ha comentado nadie. ¿Estrenas tú?

SIGUE LEYENDO

También te puede interesar

PORTADA