Emuladores de IA para el clima: entrenamiento optimizado para predicciones más rápidas y confiables
Investigadores del MIT diseñaron un método que reduce drásticamente los recursos necesarios para entrenar emuladores climáticos de IA, haciendo posible modelos rápidos y más adaptables. La clave: generar escenarios sintéticos optimizados que force al modelo a aprender señales relevantes, no solo trayectorias realistas de emisiones.