Um novo estudo traz uma descoberta revolucionária na previsão precisa de clima e tempo em longo prazo, graças à inteligência artificial (IA). A pesquisa promete avanços tanto na previsão quanto no uso mais amplo do aprendizado de máquina.
PUBLICIDADE
Combinando aprendizado de máquina com ferramentas de previsão existentes, um modelo liderado pelo Google, chamado NeuralGCM, conseguiu aproveitar a IA para aprimorar modelos físicos atmosféricos tradicionais na previsão de tendências climáticas de décadas e eventos climáticos extremos, como ciclones, descobriu uma equipe de cientistas. Essa combinação de aprendizado de máquina com técnicas estabelecidas pode servir como modelo para refinar o uso da IA em outros campos, desde descoberta de materiais até design de engenharia, sugerem os pesquisadores.
O NeuralGCM foi muito mais rápido que as previsões climáticas e meteorológicas tradicionais e superou modelos baseados apenas em IA em previsões de longo prazo, afirmaram eles. “O NeuralGCM mostra que, quando combinamos IA com modelos baseados em física, podemos melhorar dramaticamente a precisão e velocidade das simulações climáticas atmosféricas”, disse Stephan Hoyer, engenheiro sênior do Google Research e coautor de um artigo sobre o trabalho publicado na Nature, ao jornal Financial Times.
O artigo afirma que o NeuralGCM se mostrou mais rápido, mais preciso e utilizou menos poder computacional em testes contra um modelo de previsão atual baseado em ferramentas de física atmosférica chamado X-SHiELD, que está sendo desenvolvido por um braço da Administração Nacional Oceânica e Atmosférica dos EUA. Em um teste, o NeuralGCM identificou quase o mesmo número de ciclones tropicais que os rastreadores convencionais de clima extremo e o dobro do número do X-SHiELD. Em outro teste baseado em níveis de temperatura e umidade durante 2020, a taxa de erro foi entre 15 e 50% menor.
PUBLICIDADE
Os cálculos do NeuralGCM conseguiram gerar 70.000 dias de simulação em 24 horas usando uma das unidades de processamento de tensor de IA personalizadas do Google, diz o artigo. Em contraste, para cálculos comparáveis, o X-SHiELD gerou apenas 19 dias de simulação e precisou de 13.824 unidades de computador para fazê-lo.
O Google colaborou no desenvolvimento do NeuralGCM com o Centro Europeu de Previsão Meteorológica de Médio Prazo (ECMWF), intergovernamental. O grupo europeu tornou seu modelo público em junho, e o Google tornou o código do NeuralGCM de acesso aberto. Ele usa 80 anos de dados observacionais e reanálise do ECMWF para aprendizado de máquina.
A unidade DeepMind do Google revelou no ano passado um modelo de previsão meteorológica baseado apenas em IA chamado GraphCast, que superou os métodos convencionais para períodos de até 10 dias. Agências de previsão estabelecidas, como o Met Office do Reino Unido, também têm projetos para integrar o aprendizado de máquina em seu trabalho.
PUBLICIDADE
Peter Dueben, chefe de modelagem do sistema terrestre do ECMWF e coautor do último artigo, disse que modelos baseados apenas em IA eram “frequentemente vistos com ceticismo” por especialistas porque não eram baseados em equações matemáticas derivadas da física. A combinação do modelo baseado em física com o modelo de aprendizado profundo “parece obter o melhor dos dois mundos”, disse ele, acrescentando que a abordagem era um “grande passo em direção à modelagem climática com aprendizado de máquina”.
Ainda havia mais “trabalho a ser feito”, como permitir que o NeuralGCM estime o impacto do aumento do CO₂ nas temperaturas globais da superfície, disse Dueben. Outras áreas em que o modelo precisava ser melhorado incluíam sua capacidade de simular climas sem precedentes, disse o artigo.
Leia também:
