En alguna parte del planeta, debe haber
una perilla pequeña que podamos girar para poner en reversa el calentamiento global.
Tal vez sea esa proverbial mariposa en China, y tenemos que pisarla antes de
que bata sus alas e inicie una brisa que provoque que El Niño derrita el hielo
antártico.
Pero para hallar la perilla, tendremos que
entender el tiempo como nunca hemos podido hacerlo. Olvídese de los pronósticos
que le dicen que nevará de 6 a 8 pulgadas mañana. Eso es tan útil para
controlar el tiempo como predecir que si usted bebe un litro de Jack Daniel’s,
se despertará con jaqueca. Necesitamos saber, al mínimo detalle, cómo funciona
el tiempo y qué sucederá exactamente si ajustamos sus mecanismos.
Estamos acercándonos. Y si uno sigue las
tendencias en la tecnología, parece posible que podamos aprender cómo bajar el
termostato de la Tierra. Luego tendremos que descifrar si es más peligroso
meterse con el tiempo o sólo esperar que el cambio climático no convierta a la
ciudad de Nueva York en la Atlántida. Como David Keith, profesor de Harvard,
dijo una vez a The New Yorker sobre un método posible de enfriar el tiempo: “Cuando
se empieza a reflejar la luz lejos del planeta, se puede imaginar fácilmente
una cadena de eventos que extinguiría la vida en la tierra”.
En otras palabras, en verdad no queremos girar
la perilla equivocada.
Este es un momento auspicioso en el entendimiento
del tiempo. Como me dice Lloyd Treinish, climatólogo de IBM Research, hay tres
piezas importantes para el modelaje del tiempo. La primera es obtener los datos
suficientes de los monitores del tiempo para analizarlos. La segunda es tener
la capacidad computacional para calcular una cantidad tan voluminosa de datos y
correrla en algoritmos de modelaje del tiempo. La tercera es la calidad de los
algoritmos, la cual, de una manera circular, depende de que los científicos
entiendan el tiempo lo bastante bien para escribir ecuaciones que nos ayuden a
entender mejor el tiempo. “Cada una alimenta a la otra”, dice Treinish. “En un
período de unos cuantos años, pueden haber cambios notables en lo que se puede
hacer”.
Así que empecemos por la entrada de datos.
Cuantas más variaciones diminutas en el tiempo se puedan capturar y calcular,
mejor será. Los datos del tiempo hoy provienen de muchas más fuentes que nunca
antes. IBM está comprando la Weather Company por 2,500 millones de dólares, en
parte para obtener sus 147 000 microestaciones climáticas alrededor del mundo.
En perspectiva, McDonald’s opera míseros 35 000 restaurantes. La predicción del
tiempo hoy es alrededor de dos veces más precisa de lo que era hace pocos años,
y todos esos datos son una gran razón.
Así, imagine que los datos de hoy son como una
llovizna antes de la inundación. Estamos en el umbral del Internet de Cosas, el
cual promete distribuir miles de millones de sensores alrededor del mundo,
muchos de ellos capaces de leer la temperatura, el viento, la humedad u otras
cualidades. Una compañía llamada Sensity promete convertir toda farola en un
sensor inteligente que pueda contribuir datos del tiempo. En la próxima década,
los científicos en algunos casos serán capaces de ver diferencias de tiempo de
un extremo de una calle al otro.
Como siempre, el reto de todos estos datos es
tener la capacidad computacional para usarlos. Este otoño, la Administración
Nacional Oceánica y Atmosférica, el pez gordo en EE UU del tiempo, está
instalando dos supercomputadoras que darán a la agencia diez veces más
capacidad. Si se está atento de aquí a una década, la capacidad potencial
computacional disponible para el modelaje del tiempo parecerá casi infinita
desde el punto de vista de hoy día.
La demora posible estará en los algoritmos. El
tiempo tal vez sea el sistema más complejo en la Tierra. Sigue las leyes
conocidas de la física, pero los patrones se pueden alterar por actos azarosos
de caos. Esa mariposa en China contribuye a los cambios en el tiempo, como lo
hace el despegue de un jet jumbo, una erupción volcánica y las flatulencias de
su perro. Los modelos mejoran conforme los científicos comparan sus
predicciones con los datos de lo que en realidad sucedió, así que la avalancha
de datos nuevos y la capacidad computacional continuarán puliendo los
algoritmos.
¿Qué tan buenos podemos llegar a ser? Hoy, los
modelos pueden predecir la mayoría del tiempo de tres a cuatro días con una
precisión bastante confiable. Hace pocos años, lo máximo era uno o dos días. El
ritmo de las mejoras está acelerándose. Treinish dice que los modelos nunca
podrán ser perfectos; hay demasiada complejidad involucrada. Pero nuestro
entendimiento está mejorando muchísimo y muy rápido.
La cosa es que ya sabemos que podemos cambiar
el tiempo. Los científicos han estudiado la manera en que la ceniza volcánica
lanzada a la atmósfera puede bloquear la luz solar y enfriar el planeta, y han
teorizado sobre maneras de liberar partículas reflectantes en el cielo para
hacer lo mismo. La siembra de nubes funciona: los chinos en 2008 la usaron para
asegurarse de que las nubes soltasen su lluvia antes de pasar sobre el estadio
olímpico de Beijing.
El control del tiempo se ha discutido desde
hace tiempo. La llamada “geoingeniería” es tanto real como una preocupación del
tipo de la teoría de la conspiración. En 1996, la Fuerza Aérea de EE UU publicó
un estudio, Owning the Weather in 2025, que concluyó: “Conseguir una capacidad
tan altamente certera y razonablemente precisa de modificación del tiempo en
los próximos 30 años requerirá superar algunos obstáculos tecnológicos y
legales desafiantes pero no insalvables”. Los chinos emplean 37 000 personas en
algo llamado la Oficina de Modificación del Tiempo de Beijing. Tarde o
temprano, algún grupo va a cansarse de las cuidadosas soluciones políticas al
cambio climático y tratará algo radical.
Entonces, la clave será tener los modelos
computacionales que nos digan lo que sucederá si nos metemos con el tiempo y
cómo girar hábilmente las perillas de ajuste en vez de bajar un interruptor de
gran riesgo. De lo contrario, como dijo el tipo de Harvard, podríamos terminar
haciendo del planeta un cono de nieve permanente.
——
Publicado
en cooperación con Newsweek / Published in cooperation with Newsweek
