AIGFS, el modelo de aprendizaje automático de la NOAA

En una larga travesía oceánica, GFS suele ser la previsión que un navegante descarga primero, y la que llega más lejos, dieciséis días. Pero cuando muestra que el alisio flaquea la segunda semana, ¿es el tiempo o es el modelo? Una previsión de otro centro mezcla ambas respuestas: parte de una imagen distinta del tiempo, además de calcularlo de otra manera.

AIGFS, el modelo de aprendizaje automático de la NOAA, responde desde dentro. Construido sobre GraphCast, una red que aprendió de décadas de tiempo pasado cómo evoluciona la atmósfera, y afinado por la NOAA con sus propios análisis, parte en cada pasada de la misma imagen del tiempo que GFS. En servicio desde diciembre de 2025, da ahora una ruta en cada travesía, junto a la de GFS.

Cubre el mundo entero, con cuatro pasadas al día y una previsión cada seis horas hasta dieciséis días vista, tan lejos como el propio GFS. Según la NOAA, supera a GFS en muchos de los grandes rasgos a varios días vista, dónde estarán las borrascas y los anticiclones, y en la trayectoria de los ciclones tropicales a más largo plazo.

De Canarias a Antigua, tres semanas de mar, la primera decisión es cuánto bajar hacia el sur en busca del alisio. Si AIGFS y GFS coinciden en dónde se establece, la elección está clara; si se separan, son solo los dos modelos los que discrepan, ya que ambos parten del mismo tiempo, motivo suficiente para mantener una línea más prudente. Y donde un modelo de otro centro, ECMWF o AIFS, se pone del lado de uno de ellos, ese gana peso.

A un cuarto de grado y con un paso cada seis horas, no ve nada de la costa y difumina un frente que pasa entre dos pasos. Como todo modelo entrenado sobre un error medio, suaviza: los picos de viento se achatan, tanto más cuanto más lejos mira, y su primera versión subestimaba la fuerza de los ciclones tropicales. Y como parte de la imagen de GFS, cuando los dos coinciden pueden compartir el mismo error de partida: solo un modelo de otro centro se lo dirá.