📸 Créditos da imagem: Unsplash
Enquanto os meteorologistas acompanhavam a trajetória do tufão Dolphin em direção à China, uma nova geração de modelos meteorológicos baseados em inteligência artificial atuou em conjunto com os sistemas tradicionais de previsão. O evento destacou a ascensão do país asiático como um dos principais protagonistas na corrida global para aprimorar a precisão da meteorologia.
A nova frente tecnológica conta com diversos sistemas avançados desenvolvidos por instituições e gigantes de tecnologia chinesas, incluindo:
- Fengwu: desenvolvido pelo Laboratório de IA de Xangai;
- Pangu: criado pela Huawei;
- Fuxi: desenvolvido pela Universidade de Fudan.
Esses modelos estão entre os poucos no mundo capazes de gerar previsões de forma muito mais rápida do que os sistemas convencionais, ao mesmo tempo em que igualam ou superam os métodos tradicionais em diversos indicadores de precisão.
Por décadas, a meteorologia dependeu exclusivamente de modelos numéricos executados em supercomputadores para simular a física atmosférica. Em contrapartida, os modelos de inteligência artificial aprendem padrões a partir de vastos arquivos históricos de observações meteorológicas, sendo capazes de processar dados e produzir resultados em uma fração do tempo exigido anteriormente.
A eficiência dessa tecnologia tem sido posta à prova durante a temporada de tufões no Leste Asiático. Nesses cenários, mesmo pequenos ganhos de precisão na trajetória de uma tempestade ajudam governos e autoridades locais a organizar retiradas de populações, mitigar os impactos de inundações e gerenciar interrupções na rede de transportes.
Competição global no setor meteorológico
A ascensão da inteligência artificial no setor criou um novo campo de competição entre empresas de tecnologia, centros de pesquisa e agências governamentais ao redor do mundo. Além das iniciativas chinesas, destacam-se no cenário internacional:
- O GraphCast e o GenCast, desenvolvidos pelo Google;
- O FourCastNet, apoiado pela Nvidia;
- O AIFS, sistema do Centro Europeu de Previsões Meteorológicas de Médio Prazo.
Entre as ferramentas chinesas de maior destaque, o modelo Fengwu chamou atenção após seus desenvolvedores informarem que o sistema superou o GraphCast em cerca de 80% das variáveis meteorológicas analisadas. Além disso, a tecnologia conseguiu ampliar a precisão das previsões globais de médio prazo para além do horizonte de 10 dias.
“Com o aumento dos fenômenos climáticos extremos, as pessoas precisam de informações para tomar decisões, sejam governos locais, o governo nacional, ou mesmo o cidadão comum, agricultores e pescadores”, destacou Sun Zhi, diretor de tecnologia (CTO) da Techwind, empresa responsável pelas aplicações industriais do Fengwu. “Por isso, queremos ajudar a fornecer informações melhores para que as pessoas possam tomar decisões.”
Desafios e convivência entre modelos
Apesar de os sistemas de IA ganharem espaço como um complemento vital para as previsões convencionais devido à velocidade e aos custos computacionais mais baixos, é pouco provável que eles substituam totalmente a física atmosférica tradicional em um futuro próximo.
Conforme explicado por Sun Zhi, a IA demonstra excelente capacidade no mapeamento de trajetórias. Cinco dias antes do desembarque do tufão Dolphin, o Fengwu acertou o horário e o local de chegada do fenômeno à costa chinesa com uma margem de precisão de 30 minutos e 30 quilômetros. Por outro lado, a ferramenta ainda fica atrás dos sistemas tradicionais quando o desafio é estimar a intensidade da tempestade ou prever grandes viradas climáticas de longo prazo.
“Se previrmos um evento de mudança climática com 18 meses de antecedência, as pessoas não vão acreditar”, pontuou o executivo da Techwind. “Elas precisam saber que o sistema é confiável. Precisamos realizar anos de pesquisa científica antes que as pessoas confiem em nós quando dizemos que haverá um evento El Niño ou que a mudança na temperatura da superfície do mar afetará o ciclo reprodutivo dos peixes.”
Dessa forma, enquanto os pesquisadores trabalham para tornar os algoritmos cada vez mais sofisticados, o cenário mais provável para os próximos anos é a utilização simultânea e complementar entre as simulações físicas tradicionais e os modelos de aprendizado de máquina.
📰 Leia a notícia completa em: UOL »