Científicos de Columbia explican usos y límites de IA en estudios del clima
Qué presentó Columbia
La Universidad de Columbia publicó el 27 de octubre un relato de un panel en que científicos explicaron usos de IA para estudiar hielo, carbono oceánico y registros del fondo marino.
La conversación tuvo lugar el 17 de octubre en una jornada abierta del Observatorio Terrestre Lamont-Doherty, según la universidad.
La publicación reúne ejemplos de trabajo científico y advertencias de los investigadores. No presenta un único estudio nuevo que valide todas esas aplicaciones.
Una aproximación más rápida al hielo
Columbia informa que un equipo entrenó un sistema de IA para aproximar en tres segundos una simulación de la capa de hielo de Groenlandia que normalmente tarda una semana.
Según la universidad, el sistema imita un modelo convencional que usa datos climáticos y ecuaciones físicas para estimar la contribución del hielo al aumento del nivel del mar.
La comparación describe tiempos informados por la institución para una simulación y su aproximación. No establece que todos los modelos de hielo puedan acelerarse en esa proporción ni que las predicciones sean idénticas.
Un modelo aproximado puede permitir explorar más escenarios, pero su utilidad depende de cómo se evaluó frente al modelo original, de los datos de entrada y de si se mantiene confiable fuera de las condiciones de entrenamiento.
Océano y carbono: estimar donde faltan datos
La científica Galen McKinley explicó en el panel que los barcos de investigación solo pueden tomar muestras de una pequeña fracción del océano; para un mapa de junio de 2016 mencionó una cobertura cercana al 2 %.
La universidad describe que su equipo combina observaciones con datos satelitales de temperatura superficial y clorofila para generar mapas mensuales de intercambio de dióxido de carbono.
Un mapa estimado ayuda a examinar áreas poco observadas, pero no convierte cada celda en una medición directa. Es importante distinguir lo que un instrumento registró de lo que un modelo infirió entre observaciones.
Cambios en cobertura, calibración o datos de entrada pueden afectar una comparación entre periodos. La nota universitaria no entrega aquí una validación completa de incertidumbre para cada región.
Datos históricos del fondo marino
Columbia señala que Vicki Ferrini trabaja con unos 120 terabytes de registros de buques científicos, incluidos datos de expediciones antiguas.
En el panel describió un caso en que Gemini conectó material recién publicado de una expedición con registros del mismo viaje alojados en otros repositorios.
Encontrar relaciones entre archivos puede facilitar la búsqueda, pero una coincidencia sugerida debe comprobarse con metadatos y documentos originales antes de unir conjuntos o extraer conclusiones.
Una fecha, nombre de embarcación o descripción similar no siempre basta para probar que dos registros corresponden a la misma observación. La revisión de procedencia sigue siendo parte del trabajo científico.
Qué advirtieron los investigadores
El moderador Daniel Hsu advirtió que los métodos de IA pueden fallar de maneras inesperadas, y McKinley señaló que los investigadores deben reconocer predicciones que no tengan sentido físico.
Marco Tedesco también advirtió que datos de entrenamiento deficientes pueden llevar a los modelos a omitir eventos extremos.
Es una limitación especialmente relevante para estudiar cambios poco frecuentes: si un modelo reproduce bien situaciones comunes, eso no garantiza que represente correctamente un evento que apenas aparece en los datos usados para entrenarlo.
La evaluación debería examinar errores, incertidumbre y comportamiento ante situaciones nuevas, además del tiempo de cálculo. La nota de Columbia no proporciona todas las cifras necesarias para hacer esa comparación independiente.
Qué puede concluirse del panel
La universidad menciona el centro LEAP, financiado por la National Science Foundation, que combina aprendizaje automático con modelos físicos para investigar proyecciones climáticas de corto plazo.
Los ejemplos muestran distintas funciones: aproximar una simulación, estimar valores entre mediciones y conectar archivos. Cada una requiere una validación distinta y responde a preguntas diferentes.
No probamos los modelos ni descargamos sus datos. Este artículo se basa en el relato de la universidad sobre el panel; no atribuye una publicación científica concreta ni un nuevo resultado revisado por pares a cada ejemplo.
Para usar una salida en planificación costera o investigación conviene conocer el modelo, los supuestos, el periodo, la incertidumbre y las decisiones para las que fue validada.
Preguntas frecuentes
¿La IA simuló Groenlandia en tres segundos?
Columbia informa que un sistema aproximó una simulación que normalmente tarda una semana; la nota no demuestra que ambos resultados sean idénticos en todos los casos.
¿El mapa de carbono representa mediciones directas en todo el océano?
No. La universidad describe observaciones combinadas con información satelital para estimar zonas poco muestreadas.
¿La IA elimina la necesidad de científicos?
No. Los participantes resaltaron la necesidad de revisar resultados, límites físicos y datos de entrenamiento.
¿Se probó aquí alguno de esos sistemas?
No. La nota resume la comunicación universitaria y no incluye ejecución propia de modelos ni verificación independiente de sus métricas.
Fuente: Columbia University.
