La IA WeatherNext de DeepMind predice ciclones: cómo las grandes tecnológicas están privatizando la predicción meteorológica

Cuando Google DeepMind publicó sus últimos resultados mostrando que su modelo WeatherNext puede predecir las trayectorias e intensidad de los ciclones con una precisión que rivaliza —y en algunos casos supera— a los sistemas tradicionales de predicción meteorológica numérica, los titulares previsiblemente se centraron en el logro tecnológico. Detrás del anuncio, sin embargo, se esconde una historia mucho más trascendental: la transferencia silenciosa de una de las infraestructuras públicas más esenciales para la humanidad —la predicción meteorológica— a manos de un puñado de gigantes de Silicon Valley.

El logro técnico, en breve

DeepMind demostró que un modelo basado en inteligencia artificial puede igualar o superar a los sistemas numéricos tradicionales de predicción meteorológica en la predicción de ciclones, tanto en trayectoria como en intensidad. Aunque impresionante, el verdadero significado del anuncio no reside en la métrica.

La estructura de poder detrás del modelo

Consideremos la asimetría: el Centro Europeo de Predicción Meteorológica a Plazo Medio (ECMWF), ampliamente considerado el estándar de oro mundial en predicción meteorológica, opera con un presupuesto anual de cientos de millones de euros y depende de las contribuciones de los Estados miembros. La Administración Nacional Oceánica y Atmosférica de EE. UU. (NOAA) funciona con aproximadamente 6.000 millones de dólares anuales, gran parte de los cuales está atado a operaciones satelitales e infraestructura heredada. DeepMind, en cambio, puede asignar capacidad de cómputo a un coste marginal para un proyecto que, para Alphabet, es esencialmente un error de redondeo en una llamada de resultados trimestrales.

Un patrón histórico de captura

• La búsqueda, antaño una función de biblioteca pública, fue capturada por Google.
• La cartografía, antaño un monopolio gubernamental, se convirtió en la interfaz predeterminada de Google y Apple.
• El correo electrónico, antaño distribuido entre innumerables proveedores, se consolidó en torno a Gmail.
• La computación en la nube, antaño una cuestión de centros de datos institucionales, ahora fluye a través de AWS, Azure y Google Cloud.
• La computación científica en campos como la genómica, la ciencia de materiales y ahora la meteorología depende cada vez más de la capacidad de cómputo, los conjuntos de datos y los modelos de unas pocas empresas.

En cada caso, la entrada del capital tecnológico aceleró la innovación, pero también produjo concentración. Los datos abiertos quedaron envueltos en interfaces propietarias. Los estándares públicos fueron reemplazados silenciosamente por APIs privadas. Las instituciones que perdieron el control a menudo no se dieron cuenta de lo que se habían llevado hasta que ya era demasiado tarde.

La predicción meteorológica podría ser la siguiente.

El foso de datos y cómputo

La ventaja de WeatherNext no proviene de un algoritmo secreto. Proviene de tres recursos que son casi imposibles de replicar:

1. Cómputo: Entrenar modelos atmosféricos de última generación requiere miles de aceleradores especializados, la mayoría de los cuales son diseñados y vendidos por NVIDIA —la empresa cuya capitalización de mercado superó brevemente los 3 billones de dólares en gran parte porque se convirtió en el proveedor de palas y picos del boom de la IA.

2. Datos: DeepMind se entrenó con ERA5, el conjunto de datos de reanálisis del ECMWF —un bien público producido durante décadas mediante inversión pública. Sin él, WeatherNext no existiría.

3. Talento: Los investigadores que construyeron el modelo podrían exigir salarios muy por encima de lo que cualquier agencia gubernamental puede ofrecer. El científico jefe de la NOAA gana una fracción de lo que un ingeniero senior de DeepMind se lleva a casa en opciones sobre acciones.

Esta es la nueva estructura de producción científica: datos públicos, cómputo privado, talento privado y resultados propietarios. El ciclo de creación de valor público alimentando la captura de valor privado rara vez ha sido tan explícito.

¿Qué le ocurre a la meteorología pública?

• Poder de negociación: Si los modelos privados se vuelven operacionalmente superiores, los gobiernos podrían terminar comprando pronósticos a las mismas empresas con las que antes competían. La dependencia que ya define el mercado de la nube podría reproducirse en la meteorología.

• Lagunas de rendición de cuentas: Cuando una agencia pública emite un pronóstico erróneo, enfrenta audiencias congresionales y responsabilidad pública. Cuando un modelo privado falla, el fracaso queda enterrado en notas de versión y EULAs.

• Poder de fijación de precios: Hoy, los datos meteorológicos son en gran medida un bien público. Mañana, los mejores pronósticos podrían convertirse en un servicio de suscripción, con precios determinados por el departamento financiero de Alphabet en lugar de por la deliberación democrática.

Conclusión: innovación no es lo mismo que progreso

WeatherNext de DeepMind es un avance científico real. Sin embargo, tratarlo como una mera historia técnica pasa por alto lo que nos dice sobre el estado actual de la industria tecnológica: que la frontera de la IA útil se está trazando casi enteramente dentro de los muros de un puñado de corporaciones cuyos incentivos no están alineados con el interés público, incluso cuando sus resultados lo benefician.

La historia de la industria tecnológica es, en parte, una historia de bienes públicos que son cercados silenciosamente por el capital privado. La búsqueda, los mapas, el correo electrónico y la computación en la nube siguieron este patrón. La predicción meteorológica, uno de los servicios públicos más trascendentales jamás construidos, puede estar en la misma trayectoria.

Ese es el pronóstico sobre el que vale la pena reflexionar.

A[Datos públicos: ERA5] --> B[DeepMind WeatherNext]
C[Cómputo de NVIDIA] --> B
D[Capital de Alphabet] --> B