Tiempo artificial: la poesía de la ciencia

Los cielos flotantes permanecen en lo alto,
hinchazón en las costuras
con creciente intención;
amenazas caprichosas
que caen indiscriminadamente
contra la fuerza estadística
de nuestras rutinas modeladas.
En busca de claridad
entrenamos maquinas
para encontrar modelos
entre la ciclicidad
de comportamientos extremos.
Corta las complejidades,
dígitos algorítmicos señalan nerviosamente
a una correlación perfecta
con nuestro propio exceso.

Inundaciones a lo largo del río Mississippi en la primavera de 2011 (Crédito de la imagen: ALANSHEAVEN / FLICKR).

Este poema está inspirado en una investigación reciente, que utilizó el aprendizaje automático para comprender por qué los días de lluvias extremas en el medio oeste de los Estados Unidos son cada vez más frecuentes.

Se sabe que el cambio climático ha aumentado la frecuencia e intensidad de las lluvias extremas en los últimos años. Por ejemplo, el calentamiento global ha provocado más lluvias y nieve intensas para crear una atmósfera más cálida que puede contener más humedad. Sin embargo, revelar los impactos específicos que tendrá el cambio climático en los eventos climáticos extremos es difícil, especialmente a nivel regional, donde los modelos climáticos globales no necesariamente tienen la resolución espacial requerida. El aprendizaje automático (que se puede considerar como algoritmos informáticos que mejoran automáticamente a través de la experiencia) ofrece una posible solución a este problema, gracias a su capacidad para aprender modelos complejos y no lineales a alta resolución.

En este nuevo estudio, los investigadores entrenaron un algoritmo de aprendizaje automático para identificar patrones de circulación atmosférica asociados con lluvias extremas en una región específica de los Estados Unidos: Cuenca del Alto Mississippi y Cuenca del Este de Missouri. Esta es una región de los Estados Unidos altamente propensa a las inundaciones, que abarca partes de nueve estados y que ha visto lluvias extremas e inundaciones severas que se han vuelto más frecuentes en las últimas décadas. El algoritmo se utilizó para identificar correctamente más del 90% de los días de lluvia extrema en esta región desde 1981 hasta 2019, con un mejor rendimiento que otros métodos estadísticos más tradicionales, también probados por los investigadores. Al predecir con éxito estos eventos, el algoritmo también reveló que múltiples factores son responsables del reciente aumento de las precipitaciones extremas en el Medio Oeste. Por ejemplo, desde el cambio de siglo, los patrones de presión atmosférica que conducen a lluvias extremas en el Medio Oeste se han vuelto más frecuentes, aumentando a un ritmo de aproximadamente un día más por año. Aunque esta investigación se centró inicialmente en comprender las precipitaciones extremas en el Medio Oeste, también demuestra cómo se podría aplicar el aprendizaje automático para comprender los cambios en los eventos climáticos extremos en otras regiones del mundo.