Los modelos basados en principios físicos continúan siendo superiores a los modelos de inteligencia artificial (IA) para predecir eventos climáticos extremos. La principal limitación de la IA radica en su dependencia de datos de entrenamiento históricos; si un evento no tiene precedentes en estos datos, los modelos de IA tienen dificultades para pronosticarlo con precisión. Este hallazgo subraya la importancia fundamental de la comprensión de la física subyacente en la modelización climática, especialmente ante un clima cambiante donde los fenómenos sin precedentes son cada vez más probables.

Los modelos físicos, en contraste, construyen sus predicciones a partir de ecuaciones que describen los procesos atmosféricos y oceánicos, como la dinámica de fluidos, la termodinámica y la transferencia de radiación. Esta aproximación les permite simular condiciones que nunca se han observado directamente, extrapolando a partir de las leyes fundamentales de la naturaleza. Aunque la IA ha demostrado ser muy eficaz en la identificación de patrones y la optimización de procesos dentro de rangos conocidos, su capacidad para generalizar a escenarios completamente nuevos es limitada, lo que la hace menos robusta para la predicción de "cisnes negros" climáticos.

Este análisis sugiere que, si bien la IA puede complementar y mejorar ciertos aspectos de la modelización climática (por ejemplo, en la asimilación de datos o la corrección de sesgos), no puede reemplazar la base física para la predicción de eventos extremos. Para abordar los desafíos del cambio climático y sus consecuencias impredecibles, es crucial seguir invirtiendo en el desarrollo y la mejora de modelos físicos detallados, que son los únicos capaces de ofrecer una visión prospectiva fiable en situaciones sin precedentes históricos.