Sistema GraphCast usa quatro décadas de dados meteorológicos para fazer previsão do tempo
O sistema de Inteligência Artificial GraphCast promete fornecer previsões de tempo com até dez dias de antecedência de forma mais precisa e rápida que os modelos atuais. A aplicação, desenvolvida pela Google DeepMind, foi descrita em um artigo publicado no dia 14 de novembro pela revista Science.
Diferente do modelo tradicional de previsão, que usa dados imediatos e equações matemáticas, o GraphCast é treinado com dados climáticos dos últimos 39 anos. Para reconstruir um registro do clima global, são usadas informações como imagens de satélites, radares e estações meteorológicas.
Em comparação ao método antigo, este novo sistema forneceu previsões mais precisas em mais de 90% de 1.380 variáveis de teste e prazos de previsão. Ele também pode ser utilizado para fornecer avisos sobre eventos climáticos extremos.
Esta IA, que conta com código aberto, já é aplicada por agências meteorológicas como Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF), que realiza experimentos ao vivo das previsões no site.
O GraphCast prevê variáveis da superfície terrestre, como temperatura e velocidade e direção do vento; e atmosféricas, como umidade específica.
Como é feita a previsão do tempo?
As previsões dependem normalmente da Previsão Numérica do Tempo (NWP, sigla em inglês), feita a partir de equações físicas e algoritmos em supercomputadores. O processo, além de ser demorado, também demanda recursos computacionais.
Enquanto uma previsão convencional pode levar horas de computação em um supercomputador com centenas de máquinas, os resultados GraphCast demoram menos de um minuto em uma única máquina.
A ideia é usar o método do deep learning (ramo de aprendizado de máquinas em redes neurais que tentam simular o cérebro humano) a partir de décadas de dados meteorológicos. O objetivo é estabelecer relações de causa e efeito e entender como o clima da Terra evolui.
Isso permite prever o que vai acontecer no futuro de acordo com os acontecimentos do passado e o do presente. A NWP tradicional ainda será usada para ‘preencher lacunas’ do novo modelo.
Extremos climáticos
A aplicação também pode ser utilizada para identificar e alertar eventos climáticos extremos. Testes revelaram que o GraphCast consegue, por exemplo, prever o movimento de um ciclone com mais precisão que o modelo tradicional, e com dias de antecedência.
O sistema também pode identificar quando o calor deve subir acima das temperaturas máximas históricas para qualquer local da Terra, fenômenos que tendem a tornarem-se cada vez mais comuns. A longo prazo, o sistema pode ajudar a reduzir os impactos causados por catástrofes climáticas.
Texto: Epoca Negocios
