Un intérprete en negociaciones importantes al principio solo repite las palabras, pero poco a poco empieza a anticipar lo que dirá su interlocutor. El nuevo modelo meteorológico funciona de manera similar: la física le da el esqueleto, y el aprendizaje automático aprende de los errores y rellena los vacíos. Como resultado, predice El Niño, la corriente cálida del Pacífico que altera el clima en todo el mundo, con meses de antelación.

El modelo consta de dos partes. La parte atmosférica es un modelo físico simplificado con una resolución horizontal de 3,75°, lo que equivale aproximadamente a la distancia entre Moscú y Nizhni Nóvgorod. La parte oceánica es puramente de aprendizaje automático: predice la temperatura de la superficie del mar y una nueva variable, el contenido de calor de los 300 metros superiores del océano. Antes, era precisamente esa reserva de calor la que faltaba para poder mirar más allá de unas pocas semanas.

Resultado: el modelo pronostica el índice Niño 3.4 (la anomalía media de la temperatura superficial en el Pacífico central) mejor que los costosos sistemas operativos durante los primeros 4 meses del pronóstico. El coeficiente de correlación cae a 0,5 aproximadamente a los 6,5 meses, y el horizonte de predictibilidad varía de 4 meses en primavera a 8 meses a finales del verano; esto es una manifestación de la "barrera de predictibilidad primaveral". El modelo también capta las conexiones globales de El Niño con las precipitaciones: condiciones secas en el Pacífico oriental y húmedas en el sur de Estados Unidos.

Hasta este trabajo, no estaba claro si un modelo híbrido de baja resolución con aprendizaje automático pudiera ofrecer pronósticos útiles más allá del rango de mediano plazo de 7 a 10 días. Ahora está claro: sí puede. Al añadir el contenido de calor de la capa superior del océano y ajustar los componentes entrenables a diferentes escalas temporales, los científicos obtuvieron una herramienta que compite con los modelos operativos a un costo computacional mucho menor. Este enfoque podría ser útil para grupos académicos y pequeños centros de pronóstico que no tienen acceso a supercomputadoras.

El intérprete que aprende de sus errores termina por anticipar la siguiente frase. El nuevo modelo hace lo mismo con el lenguaje del océano: aún no es perfecto, pero ya es capaz de sugerir cuándo el Pacífico decidirá hablar.