Ser pego pela chuva poderá em breve ser uma coisa do passado graças a um novo e poderoso IA meteorologista.
Google A DeepMind revelou um modelo meteorológico alimentado por IA chamado GenCast, que afirma ser mais rápido e preciso do que as previsões tradicionais.
Em comparação com o supercomputador de melhor desempenho, o modelo GenCast do Google foi mais preciso em 99,8% das previsões com até 15 dias de antecedência.
De acordo com o Google, isso não só ajudará os passageiros a decidir se devem trazer guarda-chuva, mas também a detectar desastres naturais como tufões antes que seja tarde demais.
Normalmente, agências meteorológicas como a Conheceu o escritório prever o tempo usando enormes supercomputadores para processar a matemática complexa que simula o clima.
O GenCast, por outro lado, usa IA para detectar padrões em dados meteorológicos históricos e criar 50 resultados possíveis que formam a base de uma “previsão conjunta”.
Quando a maioria dessas possibilidades mostra a ocorrência dos mesmos eventos climáticos, os cientistas podem prever o clima com um alto grau de confiança.
Engenheiro do Google DeepMind Ilan Price afirma: “Essas previsões conjuntas são mais úteis do que confiar numa única previsão, pois fornecem aos decisores uma imagem mais completa das possíveis condições meteorológicas nos próximos dias e semanas e da probabilidade de cada cenário”.
O Google DeepMind revelou uma previsão do tempo alimentada por IA que pode prever o tempo melhor do que os melhores supercomputadores com até 15 dias de antecedência (imagem de banco de imagens)
Em 1.320 testes, a nova previsão de IA foi mais precisa do que 98 por cento das previsões criadas por uma previsão tradicional de supercomputador (imagem de banco de imagens)
Dado que os padrões meteorológicos são tão complexos, as melhores previsões meteorológicas são “probabilísticas” – o que significa que a cada resultado é atribuída uma probabilidade de ocorrência.
Embora isto forneça uma imagem mais completa do clima, também é extremamente exigente em termos de tempo e potência do computador.
Em um novo artigo publicado na Naturezao Google DeepMind mostra que seu novo modelo de IA é mais preciso do que o modelo ENS de alto desempenho do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMRWF).
Tanto o GenCast quanto o ENS são probabilísticos, mas a forma como criam seu conjunto de previsões é totalmente diferente.
Em vez de tentar simular a física complexa da atmosfera, o GenCast usa um tipo de IA chamado modelo de difusão, normalmente encontrado em geradores de vídeo, imagem e música.
Quando fornecida com o estado mais recente do clima, a IA gera 50 previsões para o estado futuro do clima, assim como algumas IAs podem criar imagens a partir de um prompt de texto.
A diferença é que o GenCast foi especificamente adaptado para trabalhar na superfície esférica da Terra e foi treinado com base em 40 anos de dados meteorológicos.
O Google afirma que este método não é apenas mais rápido, mas também fornece uma previsão melhor para o clima do dia a dia e eventos extremos do que o ENS.
As previsões meteorológicas tradicionais dependem de enormes supercomputadores que processam os números para simular como o clima evoluirá ao longo do tempo. Em vez disso, o novo modelo de IA procura padrões em dados meteorológicos passados para fazer uma série de previsões sobre como será o tempo no futuro. Na foto, Laura Tobin apresenta a previsão do tempo no Good Morning Britain
Em um novo estudo, o Google DeepMind mostra que seu novo modelo de IA é mais preciso do que o modelo ENS de alto desempenho do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMRWF).
A IA foi treinada com dados anteriores a 2018 e depois avaliada em relação aos dados meteorológicos reais de 2019 e às previsões da ENS para esse ano.
O GenCast foi mais preciso que o ENS em 97,2% das previsões e em 99,8% ao fazer previsões com mais de 36 horas de antecedência.
Mais notavelmente, quando ambos os sistemas foram encarregados de prever a chegada do tufão Hagibis, o GenCast foi capaz de produzir um aviso 12 horas antes.
Quando o tufão Hagibis atingiu o Japão em 2019, foi a pior tempestade em 60 anos e levou a uma devastação generalizada.
Os engenheiros por trás do GenCast esperam que, ao avisar as autoridades com antecedência, as previsões meteorológicas baseadas em IA possam ajudar a salvar vidas.
Price afirma: “À medida que as alterações climáticas provocam fenómenos meteorológicos mais extremos, previsões precisas e fiáveis são mais essenciais do que nunca, mas o tempo não pode ser previsto com perfeição e as previsões são especialmente incertas para além de alguns dias.
‘Obter avisos melhores e mais avançados sobre onde eles atingirão a terra é inestimável.’
Previsões deficientes baseadas em métodos tradicionais levaram a consequências mortais no passado, quando os relatórios minimizaram os perigos das tempestades que se aproximavam.
A IA gera um conjunto de resultados possíveis com base nos dados meteorológicos mais recentes, que se tornam mais próximos e precisos à medida que a hora se aproxima. Esta imagem mostra os caminhos previstos para o tufão Hagibis (roxo) em comparação com o caminho real (vermelho)
O tufão Hagibis foi a tempestade mais mortal no Japão em 60 anos e causou inundações generalizadas (foto). A GenCast foi capaz de avisar sobre sua chegada com 12 horas extras de antecedência, o que poderia ter ajudado a coordenar as respostas de emergência com antecedência
Por exemplo, em 1987, o meteorologista da BBC, Michael Fish, garantiu aos telespectadores que havia não havia furacão chegando ao Reino Unido.
No dia seguinte, ventos devastadores com a força de um furacão atingiram a Grã-Bretanha, matando 18 pessoas e causando danos de mil milhões de libras (1,3 mil milhões de dólares).
No entanto, o poder das previsões meteorológicas computacionais percorreu um longo caminho desde a década de 1980.
Quando Michael Fish fez sua previsão fatídica, o supercomputador do Met Office tinha o poder de processamento equivalente a um smartphone comum hoje.
Atualmente, o Met Office atualizou para o sistema de supercomputação Cray XC40, que é capaz de realizar mais de 14.000 trilhões de operações aritméticas por segundo.
Até mesmo o modelo ENS contra o qual o GenCast foi medido melhorou significativamente nos últimos anos.
Em seu artigo, o Google DeepMind usou as previsões do ENS 2019, mas o ECMRWF fez algumas melhorias importantes desde então.
Em particular, o ENS agora é capaz de produzir previsões com resolução significativamente mais alta do que o GenCast pode produzir.
O Google diz que o mundo ainda precisará de previsões tradicionais como as criadas pelo supercomputador Cray XC40 do Met Office (foto), mas diz que as previsões de IA se tornarão mais úteis com o tempo
Dividindo o mundo em uma grade, o GenCastlooksat forma quadrados com 0,25 graus de largura por latitude e longitude.
Por outro lado, a previsão meteorológica do ENS agora opera com uma resolução de apenas 0,1 graus, o que significa previsões mais precisas.
O Google DeepMind admite que os modelos tradicionais serão provavelmente insubstituíveis no futuro próximo – até porque fornecem os dados para treinar a IA.
No entanto, as previsões de IA têm uma grande vantagem em termos de velocidade e potência do computador.
As previsões tradicionais, como a ENS, levam horas em um supercomputador com dezenas de milhares de processadores.
O GenCast, por outro lado, leva apenas oito minutos para produzir uma previsão de 15 dias usando uma única unidade de processamento.
No futuro, isto significa que os modelos de IA poderão tornar-se muito mais comuns para aplicações como a previsão de condições meteorológicas extremas ou o planeamento em torno de fontes de energia renováveis, como a solar e a eólica.
