Nova IA supera os modelos meteorológicos convencionais
O Google DeepMind está causando alvoroço com seu novo GraphCast de IA climática, e não apenas entre os meteorologistas. Em alguns casos, ele supera os modelos meteorológicos mais avançados, e o faz com uma eficiência impressionante. A IA substituirá em breve a previsão do tempo tradicional?
Pesquisadores do Google DeepMind apresentaram recentemente uma nova IA meteorológica chamada GraphCast em um estudo publicado na revista Science. De acordo com eles, ela pode calcular previsões de 10 dias de altíssima qualidade com uma eficiência impressionante. Mesmo de acordo com especialistas do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF), a GraphCast pode prever variáveis como temperatura e precipitação melhor do que o melhor modelo meteorológico do ECMWF (IFS HRES) em até 90% dos casos. Em geral, também é possível prever as trajetórias de ciclones tropicais com vários dias de antecedência, em comparação com os modelos meteorológicos convencionais.
O GraphCast também alcança uma eficiência maior em várias ordens de grandeza, pois a IA do Google requer uma potência de computação significativamente menor e, de acordo com o Google, é executada até mesmo em um único processador. E, ainda assim, ele fornece os resultados mil vezes mais rápido - uma melhoria notável. Os pesquisadores descrevem isso como um ponto de virada para a previsão do tempo.
Métodos anteriores extremamente demorados
Os modelos numéricos tradicionais de previsão do tempo geralmente são executados em enormes centros de dados, em supercomputadores caros e que consomem muita energia, e geralmente levam várias horas por execução de cálculo devido à sua grande complexidade. Portanto, esse aprimoramento com a ajuda da IA, como o GraphCast, pode significar uma enorme economia de custos.
O aprimoramento dos próprios modelos numéricos também consome enormes recursos e ocupa muitos campos diferentes de pesquisa em meteorologia e outras ciências naturais. É altamente improvável que a pesquisa básica em si se torne menos importante como resultado, pois ela também é fundamental para a interpretação e a compreensão dos modelos e das previsões. Entretanto, o uso de modelos de IA provavelmente também pode levar a um melhor uso dos recursos disponíveis com relação ao complexo e caro processo de otimização dos modelos meteorológicos clássicos.
Como a IA realmente funciona?
A inteligência artificial geralmente se refere a algoritmos que usam as chamadas redes neurais. Essas redes consistem em muitos dos chamados nós, que formam uma rede amplamente ramificada semelhante às células nervosas do cérebro humano. As conexões entre esses nós são inicialmente todas de igual valor, mas são alteradas ou ponderadas por meio de treinamento usando conjuntos de dados de amostra. Dessa forma, uma rede neural é treinada para reconhecer padrões em grandes conjuntos de dados e, em seguida, por exemplo, para classificar dados de entrada ou derivar previsões a partir deles. Após o treinamento, a IA pode ser liberada em outros dados e, dependendo do objetivo, obter os insights desejados a partir desses dados. Em princípio, isso também é possível com os dados meteorológicos da mesma forma.
A previsão meteorológica convencional, por outro lado, baseia-se em modelos físico-matemáticos que foram aprimorados ao longo de décadas e que calculam uma previsão a partir de um conjunto de dados inicial usando fórmulas de cálculo altamente complexas. No entanto, por motivos físicos, muitas dessas fórmulas só podem ser determinadas e aplicadas de forma aproximada. Quanto mais preciso e de alta resolução (espacial e temporal) um modelo ou previsão precisar ser, maiores serão os recursos necessários nos respectivos centros de dados. Graças à sua abordagem completamente diferente, a IA é capaz de contornar parcialmente esse problema.
Pontos fracos da abordagem de IA
Entretanto, a abordagem completamente diferente da tecnologia de IA também traz problemas. E a IA não é superior aos modelos meteorológicos anteriores em todos os casos. Por exemplo, no caso do recente furacão "Otis", que ocorreu de forma muito repentina e inesperada na costa do México e sofreu uma intensificação extrema antes de atingir a costa mexicana perto de Acapulco com uma força destrutiva imprevista. Nesse caso, o GraphCast não conseguiu demonstrar nenhuma superioridade em relação aos modelos meteorológicos convencionais, como foi o caso de algumas tempestades recentes na Europa Central.
Isso pode estar relacionado ao fato de que a IA naturalmente só pode ser treinada com dados meteorológicos históricos. Em tempos de aceleração das mudanças climáticas e mudanças fundamentais iminentes ou já iniciadas no sistema climático, isso pode ser um ponto fraco decisivo. Os novos desenvolvimentos decorrentes das mudanças climáticas podem ser subestimados ou completamente mal avaliados pela IA.
A IA pode substituir a previsão meteorológica convencional?
Em um estudo que publicaram, os pesquisadores do Jülich Supercomputing Centre consideraram teoricamente concebível que a previsão do tempo tradicional usando modelos numéricos do tempo poderia um dia ser completamente substituída por abordagens de IA já em 2021. Entretanto, isso ainda exigiria grandes avanços tecnológicos, especialmente a integração das leis físicas decisivas nos algoritmos de IA. Dessa forma, os pontos fortes da previsão meteorológica tradicional poderiam ser combinados com os da IA e os pontos fracos anteriores da IA poderiam ser eliminados.
Até o momento, a IA só foi capaz de complementar os modelos numéricos clássicos ou substituir partes do fluxo de trabalho clássico. Até que a IA possa assumir completamente o controle da previsão do tempo, a inteligência humana terá que realizar algumas proezas nessa área. Os próprios pesquisadores do Google também veem seu trabalho até agora apenas como um complemento aos modelos existentes. Portanto, a IA ainda não é uma panaceia para os problemas existentes na previsão do tempo, mas a velocidade de desenvolvimento é notável.
Fonte: www.ntv.de
