La IA y los problemas difíciles del mundo · Ciencias de la Tierra y del clima · arXiv · 2026-10-23
¿Podemos confiar en las evaluaciones de los pronósticos meteorológicos de IA para eventos extremos? Cómo los protocolos de evaluación determinan las clasificaciones de los modelos
Título original: Can We Trust Evaluations of AI Weather Forecasts for Extremes? How Evaluation Protocols Shape Model Rankings
Los estudios discrepan sobre si los modelos meteorológicos de IA pueden pronosticar eventos extremos, y los autores atribuyen parte de esto a la diferencia en los protocolos de evaluación. En un diseño experimental común, la clasificación de los modelos dependió en gran medida de la métrica: el modelo basado en la física obtuvo los mejores resultados en los extremos observados, mientras que los modelos de IA lo hicieron mejor con puntuaciones ponderadas. Un análisis de contingencia mostró que los modelos de IA subestiman los extremos y no los detectan, mientras que el modelo físico los pronostica con más frecuencia y genera falsas alarmas; las diferencias de puntuación se deben principalmente a la descalibración y no a la capacidad de discriminación.