Microsoft publica como código abierto PBC, una herramienta de IA que corrige sesgos en los modelos meteorológicos

Investigadores de Microsoft publicaron el 14 de octubre de 2026 un artículo en la revista Nature en el que describen la Corrección Probabilística de Sesgos (PBC, por sus siglas en inglés), un método de aprendizaje automático que, según afirman, hace más precisos los pronósticos meteorológicos a dos y seis semanas vista. La compañía ha liberado la herramienta como software de código abierto. Entre los coautores figuran investigadores del MIT, del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF) y de otras instituciones.

Los pronósticos tanto de los sistemas tradicionales basados en la física como de los modelos de IA más recientes tienden a perder fiabilidad a partir de las dos semanas. En lugar de construir otro modelo de predicción independiente, el equipo de Microsoft se propuso corregir los errores ya presentes en los modelos existentes, un enfoque que, esperan, resulte atractivo para las agencias meteorológicas con presupuestos limitados.

Cómo se atacan los sesgos sistemáticos

Todos los modelos de predicción recurren a aproximaciones para cubrir vacíos, como zonas con pocas estaciones meteorológicas o procesos atmosféricos que los científicos aún no comprenden del todo. Esos atajos pueden convertirse en sesgos sistemáticos, y los errores crecen cuanto más lejos se proyecta el modelo. PBC utiliza el aprendizaje automático para detectar y ajustar ese sesgo. Lester Mackey, investigador principal sénior de Microsoft Research New England, señala como ejemplo el cambio climático: un modelo entrenado con registros históricos podría resultar más frío que el mundo actual, que se está calentando.

Según los investigadores, PBC mejoró un modelo líder de ECMWF basado en la física en el 98 % de los objetivos de precipitación y en el 92 % de los de temperatura. En el análisis del estudio, también duplicó la precisión del nuevo sistema de previsión por IA de ECMWF. El centro ya había reconocido el trabajo en su competición AI Weather Quest antes de la publicación. Matthew Chantry, responsable estratégico de aprendizaje automático del centro, acogió con buenos ojos la idea, pero advirtió: "convertir las ideas en realidad [en] un proceso operativo es el paso más difícil".

Lo bastante ligero para agencias más pequeñas

La predicción basada en la física depende de supercomputadoras, y la IA generativa, de potentes GPU, pero Mackey afirma que PBC puede funcionar solo con CPU. Las enormes exigencias de cómputo han impedido durante mucho tiempo que muchas agencias de economías en desarrollo adopten nuevas técnicas de pronóstico. La coautora Genevieve Flaspohler sostiene que, como el modelo es ligero y fácil de entrenar, los científicos sin grandes recursos pueden ajustarlo para sus propias regiones.

Flaspohler trabajó en PBC como becaria de Microsoft y ahora dirige la organización sin ánimo de lucro Rhiza Research, que colabora con el Servicio Meteorológico de Kenia, con financiación de la Fundación Gates, para comprobar si la IA puede mejorar los sistemas de alerta temprana. PBC se encuentra entre los métodos en evaluación de cara a una temporada de lluvias que se espera más extrema durante un El Niño que bate récords. El trabajo sitúa a Microsoft junto a Google, Nvidia y otras empresas que desarrollan herramientas de IA para la predicción meteorológica.