¿Por qué (a veces) fallan las predicciones?

La respuesta corta: porque la atmósfera es caótica, y eso impone un límite físico — no tecnológico — a lo que se puede predecir; ningún ordenador del futuro lo abolirá. La respuesta larga empieza en el invierno de 1961, en un despacho del MIT, con una máquina del tamaño de un escritorio, una taza de café y el redondeo más fértil de la historia de la ciencia.

El decimal que cambió la ciencia

Edward Lorenz quería ser matemático. La Segunda Guerra Mundial lo destinó a pronosticar el tiempo para los pilotos del ejército estadounidense, y aquel desvío le decidió la vida: cuando volvió a la universidad ya no estudiaba ecuaciones abstractas, sino aire. En 1961, desde el MIT, hacía algo que entonces era casi un juego y hoy reconocemos como el nacimiento de una ciencia: había metido una atmósfera de juguete — doce variables, nada más — dentro de un Royal McBee LGP-30, una computadora de válvulas del tamaño de un escritorio que avanzaba a trompicones y escupía sus resultados en un listado impreso.

Un día quiso repetir un tramo de una simulación. Para no empezar desde el principio, tecleó como punto de partida los valores que le había impreso la máquina: 0,506, decía el papel. Y se fue a por un café. Lo que no sabía — lo que no tenía por qué importarle — es que la impresora redondeaba a tres decimales mientras la memoria guardaba seis: el número de verdad era 0,506127. Una discrepancia de una parte entre diez mil. Menos que el margen de error de cualquier termómetro del mundo.

Cuando volvió con el café, las dos simulaciones ya no eran gemelas. Al principio se habían seguido de cerca; luego empezaron a separarse; y a los pocos «meses» de tiempo simulado no se parecían en nada: donde una ponía borrasca, la otra ponía calma. Lorenz sospechó primero de una válvula fundida, que era la avería de la época. No había avería. Estaba viendo una propiedad del sistema, no de la máquina: en la atmósfera las diferencias diminutas no se quedan diminutas — crecen, se duplican, se comen la señal y acaban decidiéndolo todo.

Lo publicó en 1963 bajo un título que no invitaba a nadie: «Flujo determinista no periódico». Durante años apenas lo citó nadie; era un artículo de meteorología en una revista de meteorología. Hasta que lo encontraron los matemáticos y los físicos y entendieron que aquello no iba del tiempo, sino de casi todo: de las poblaciones de animales, del latido del corazón, de las órbitas, de los mercados. En 1972 Lorenz llegó a un congreso sin título para su charla, y el organizador de la sesión, Philip Merilees, le puso uno: ¿puede el aleteo de una mariposa en Brasil desencadenar un tornado en Texas? Antes de la mariposa hubo una gaviota — años atrás, el propio Lorenz había recogido la objeción de un colega según la cual, si aquello era cierto, un solo aleteo de gaviota bastaría para cambiar el tiempo para siempre —, pero fue la mariposa la que dio la vuelta al mundo. Con ella había nacido la teoría del caos.

Caos no significa azar

Lo desconcertante del caos es que no hay dados escondidos. Las ecuaciones que gobiernan la atmósfera son deterministas: el mismo punto de partida produce siempre, exactamente, el mismo futuro. En 1814, Pierre-Simon Laplace había llevado esa idea hasta el final imaginando una inteligencia capaz de conocer la posición y la velocidad de cada partícula del universo; para ella, escribió, el porvenir estaría tan presente como el pasado. Lorenz no derribó a aquel demonio: hizo algo peor. Demostró que basta con no ser exactamente él — con equivocarse en el sexto decimal — para que toda esa omnisciencia se evapore en cuestión de días.

La palabra ayuda más de lo que parece. Kháos, en griego, no significaba desorden, sino el abismo, la grieta que se abre. Y eso es exactamente lo que separa a dos pronósticos que arrancaron casi idénticos: una grieta invisible al principio que se ensancha sola.

¿Y por qué no podemos conocer el punto de partida con precisión infinita? Porque la foto inicial de cada pronóstico se construye con lo que hay: estaciones repartidas de forma desigual, boyas, aviones, globos sonda y decenas de millones de datos de satélite al día, fundidos por un algoritmo que rellena los huecos con el propio modelo. Entre una estación y la siguiente hay kilómetros de aire que nadie ha medido nunca. Y aunque pudiéramos medirlos todos, la malla de cálculo de un modelo global de primer nivel tiene sus puntos separados unos nueve kilómetros: la célula tormentosa que descarga sobre tu barrio cabe entera en el hueco entre dos de ellos. El error inicial no es un descuido de nadie. Es la condición de partida.

Piensa en el saque inicial de una partida de billar. Golpea el taco con un ángulo una décima de grado distinto: el primer choque es casi idéntico, el tercero ya difiere visiblemente, y tras el quinto las bolas dibujan una partida completamente distinta. Nadie diría que el billar es aleatorio — es física newtoniana pura — y sin embargo predecir la posición de las bolas tras diez choques es, en la práctica, imposible. La atmósfera es una partida de billar con billones de bolas, sobre una mesa que se calienta por un lado y se enfría por el otro, y en la que ningún choque termina nunca.

Por qué el día 7 vale menos que el día 1

Esa duplicación del error marca un horizonte de predictibilidad. Un pronóstico a un día parte de un error inicial que apenas ha tenido tiempo de crecer; a siete días, ese mismo error se ha duplicado tres veces y ya contamina los rasgos grandes del mapa. Por eso la calidad no baja poco a poco, sino cada vez más deprisa: el día 2 se parece bastante al día 1; el día 7 es otra categoría de afirmación. Para el detalle del tiempo diario, el límite práctico ronda las dos semanas — y no es un límite de potencia de cálculo, sino de la física.

Ahí está lo cruel del asunto: como el crecimiento es exponencial, mejorar sale carísimo. Reducir a la mitad el error de partida no duplica el horizonte; solo lo alarga en lo que ese error tarda en volver a duplicarse, un par de días. Aun así, la predicción útil ha ganado en torno a un día de horizonte por cada década de avances — satélites, mallas más finas, mejores formas de fundir las observaciones —, un progreso enorme y silencioso que, sin embargo, va rindiendo cada vez menos frente a ese muro.

Hay otro matiz que casi nunca se cuenta: no todos los días son igual de predecibles. Una semana de anticiclón estable es un examen fácil que cualquier modelo aprueba; una situación de tormentas de verano es una moneda al aire incluso a 24 horas. El mismo «día 3» puede ser muy fiable un mes y poco fiable al siguiente.

Esa lotería tiene una fecha célebre. La tarde del 15 de octubre de 1987, el hombre del tiempo de la BBC, Michael Fish, tranquilizó a los británicos: una señora había llamado preocupada por un huracán y no había tal huracán. Aquella madrugada, una borrasca de profundización explosiva barrió el sur de Inglaterra; derribó unos quince millones de árboles y mató a una veintena de personas. La frase de Fish lleva cuarenta años citándose fuera de contexto — hablaba de un ciclón del Atlántico occidental y sí avisó de viento fuerte —, pero el fondo es cierto: el pronóstico se quedó muy corto, y se quedó corto porque aquel día la atmósfera estaba en uno de esos estados en los que un detalle mínimo decide entre una noche ventosa y una catástrofe. Cuando años después se repitió aquella situación lanzando no una simulación, sino muchas ligeramente distintas entre sí, unas cuantas sí traían el temporal. La información estaba ahí. Lo que faltaba era una forma de escucharla.

El truco contra el caos: el ensemble

Si la incertidumbre inicial no se puede eliminar, queda algo más inteligente que ignorarla: medirla. La idea la propuso Edward Epstein a finales de los sesenta — tratar el pronóstico no como un futuro, sino como una distribución de futuros posibles — y Cecil Leith la volvió practicable en los setenta al demostrar que no hacían falta infinitas atmósferas simuladas: bastaba con un puñado bien elegido. En diciembre de 1992, el Centro Europeo de Predicción Meteorológica a Plazo Medio y su estadounidense empezaron a hacerlo a diario. El parte del tiempo dejó de ser una afirmación y pasó a ser una encuesta.

Funciona así: en lugar de lanzar el modelo una vez, se lanza decenas de veces, perturbando ligeramente la foto inicial dentro de su margen de error — el ECMWF, por ejemplo, ejecuta 51 copias de su modelo en cada ciclo. Si las 51 trayectorias acaban pareciéndose, el día es genuinamente predecible; si se abren en abanico, la propia atmósfera está avisando de que hay varios futuros compatibles con lo que sabemos. De ahí — y no de una corazonada — salen las probabilidades de los pronósticos modernos.

Y existe una segunda familia, más sutil: el ensemble multimodelo. En vez de 51 copias del mismo modelo, se combinan varios modelos independientes, de centros distintos, con física, mallas y datos distintos. Como cada uno se equivoca a su manera, sus errores no van en la misma dirección y tienden a compensarse al promediarlos. Es exactamente el enfoque de MeteoRanking: nueve modelos globales combinados en un único pronóstico, con más peso para los que más aciertan últimamente en tu ciudad, en esa variable y a ese plazo. No siempre gana la combinación: hay ciudades donde un modelo suelto lo hace mejor, y el ranking de esa ciudad lo dice.

Merece la pena detenerse en lo que significa todo esto, porque es un cambio de mentalidad, no solo de método. «Pronóstico» fue palabra de médicos antes que de meteorólogos: los griegos llamaban prógnosis al arte de anticipar el curso de una enfermedad, y ningún médico honrado te da una fecha — te da probabilidades. El parte del tiempo ha hecho ese mismo viaje en poco más de un siglo, de la profecía a la estadística. Hemos aprendido a que nos informen también de lo que no se sabe, y a tomar decisiones con esa información: es una de las formas más adultas de conocimiento que ha producido la ciencia.

Fallar en público

Nada de lo anterior es una excusa; es un marco para exigir cuentas. Que el caos garantice errores no dice cuántos ni cómo de grandes — eso hay que medirlo, ciudad por ciudad y día por día. En MeteoRanking comparamos cada día lo que dijo cada modelo (y nuestro propio combinado) con lo que de verdad ocurrió, y publicamos el error medio por ciudad y por variable, fecha a fecha, sin retoques — el detalle está en Cómo funciona. El caos asegura que a veces fallaremos; la verificación asegura que lo verás.

En aquella charla de 1972 Lorenz dejó una coda que casi nadie recuerda: si el aleteo de una mariposa puede desencadenar un tornado, también puede impedirlo. Nunca sabremos cuál de las dos cosas hace ninguna mariposa, y esa es exactamente la humildad que la atmósfera nos ha impuesto. A cambio de renunciar a la certeza hemos ganado algo más útil: saber, con un número delante, hasta dónde podemos fiarnos. Y si quieres entender el número más malinterpretado de todos los pronósticos, sigue por Qué significa de verdad «70 % de probabilidad de lluvia».

← Todos los artículos