A inteligência artificial (IA) superou, pela primeira vez de forma convincente, os métodos de previsão convencionais na previsão do tempo em todo o mundo considerando os dez dias seguintes à estimativa.
O modelo GraphCast AI "marca um ponto de virada na previsão do tempo", afirmaram seus desenvolvedores do Google DeepMind em um artigo revisado por pares publicado na revista Science nesta terça-feira (14).
Uma extensa avaliação mostrou que o GraphCast foi mais preciso do que o principal sistema convencional do mundo para previsões de três a dez dias no futuro, que é executado pelo Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF, na sigla em inglês).
Ele superou o produto do ECMWF em 90% das 1.380 métricas utilizadas, que incluíam temperatura, pressão, velocidade e direção do vento, e umidade em diferentes níveis da atmosfera.
Matthew Chantry, coordenador de aprendizado de máquina do ECMWF, disse que os sistemas de IA na meteorologia progrediram "muito mais rapidamente e de forma mais impressionante do que esperávamos, mesmo dois anos atrás".
O ECMWF, um órgão intergovernamental sediado em Reading, no Reino Unido, vem executando previsões ao vivo por modelos de IA da Huawei e Nvidia, além do DeepMind, ao lado de seu próprio sistema integrado de previsão.
Chantry endossou a afirmação do DeepMind de que seu sistema é o mais preciso. "Descobrimos que o GraphCast é consistentemente mais habilidoso do que os outros modelos de aprendizado de máquina, Pangu-Weather da Huawei e FourCastNet da Nvidia, e em muitos aspectos é mais preciso do que nosso próprio sistema de previsão", disse ele ao Financial Times.
O GraphCast usa uma arquitetura de aprendizado de máquina chamada rede neural gráfica, que aprendeu com mais de 40 anos de dados passados do ECMWF sobre como os sistemas meteorológicos se desenvolvem e se movem ao redor do globo.
As entradas para suas previsões são os estados da atmosfera em todo o mundo no momento atual e seis horas antes, montados pelo ECMWF a partir de observações meteorológicas globais. O GraphCast produz uma previsão de dez dias em um minuto em um único computador em nuvem Google TPU v4.
Em contraste com essa abordagem de "caixa preta" derivada de dados, o método convencional usado pelo ECMWF e pelos escritórios meteorológicos nacionais do mundo, conhecido como previsão numérica do tempo, usa supercomputadores para processar equações com base no conhecimento científico da física atmosférica –um processo intensivo em energia que leva várias horas.
"Uma vez treinado, o GraphCast é extremamente barato de operar", disse Chantry. "Podemos estar falando de uma melhoria miraculosa em termos de consumo de energia, cerca de mil vezes mais barato."
Como exemplo de uma previsão bem-sucedida, os cientistas do DeepMind mencionaram o furacão Lee no norte do Atlântico em setembro. "O GraphCast foi capaz de prever corretamente que Lee atingiria a Nova Escócia nove dias antes de acontecer, em comparação com apenas seis dias para abordagens tradicionais", disse Rémi Lam, autor principal do artigo da Science. "Isso deu às pessoas mais três dias para se prepararem para sua chegada."
No entanto, a IA não se saiu melhor do que os modelos físicos convencionais na previsão da intensificação explosiva repentina do furacão Otis na costa do Pacífico do México, que devastou Acapulco com pouco aviso prévio em 25 de outubro.
O próximo passo para o ECMWF seria construir seu próprio modelo de IA e analisar a combinação com seu sistema de previsão numérica do tempo, disse Chantry. "Há espaço para injetar nosso entendimento da física nesses sistemas de aprendizado de máquina, que podem parecer caixas pretas."
O Met Office do Reino Unido, o serviço meteorológico nacional, anunciou no mês passado uma colaboração com o Instituto Alan Turing, centro britânico de pesquisa em IA, para desenvolver sua própria rede neural gráfica para previsão do tempo, que será incorporada à sua infraestrutura de supercomputador existente.
Simon Vosper, diretor de ciência do Met Office, destacou a necessidade de considerar as mudanças climáticas na previsão. "É justo questionar se os sistemas baseados em IA são capazes de identificar novos extremos se esses sistemas só foram 'treinados' em condições climáticas anteriores", disse ele.
"Nosso objetivo é aproveitar o melhor que a IA pode oferecer enquanto trabalhamos com nossos modelos computacionais tradicionais baseados na física da atmosfera", acrescentou Vosper. "Acreditamos que essa combinação de tecnologias fornecerá as previsões meteorológicas mais robustas e detalhadas em uma era de mudanças dramáticas."
Comentários
Os comentários não representam a opinião do jornal; a responsabilidade é do autor da mensagem.