Un intérprete en una sala grande no se limita a escuchar palabras. Sigue todas las conversaciones a la vez, recuerda quién dijo qué antes y anticipa lo que vendrá después. SEA-ViT funciona igual, solo que en lugar de voces escucha el océano.
Las corrientes oceánicas se parecen a una conversación: el agua no se mueve por sí sola, sino bajo la influencia del viento, las mareas y eventos climáticos lejanos. Antes, las computadoras calculaban cada punto por separado, como si el intérprete solo oyera a una persona. SEA-ViT utiliza dos técnicas. Una capa ve todo el campo de corrientes de inmediato, como un intérprete que abarca la sala con la mirada. La otra capa recuerda lo que ocurrió ayer y hace una semana, porque lee los datos tanto hacia adelante como hacia atrás en el tiempo.
Cuando llega El Niño, el agua frente a las costas de Tailandia se mueve de manera diferente. SEA-ViT recibe una pista al respecto, como un intérprete al que le advierten que hoy todos hablarán más rápido en la sala. En esos días, el modelo recibe un castigo más severo por sus errores, así que aprende a estar atento justo cuando más importa.
Ahora SEA-ViT puede predecir las corrientes en el golfo de Tailandia y el mar de Andamán. Marineros y pescadores obtendrán un pronóstico que escucha todo el océano, no solo un punto cerca de la costa. Y entonces el intérprete en la sala de reuniones dejará de ser una simple comparación para convertirse en un trabajo real: SEA-ViT traduce el lenguaje del mar al lenguaje de rutas seguras.
El modelo se llama SEA-ViT, lo que a la vez remite al mar (sea) y a la arquitectura Vision Transformer (ViT). El autor se agradece a sí mismo en la sección de agradecimientos, algo poco común en artículos científicos.