As previsões meteorológicas actuais baseiam-se em modelos complexos que incorporam as leis que regem a dinâmica da atmosfera e dos oceanos, e estes modelos funcionam em alguns dos supercomputadores mais poderosos que existem. No entanto, a Alphabet (controladora do Google) conseguiu prever as condições climáticas globais para os próximos 10 dias em apenas um minuto usando uma única máquina do tamanho de um computador pessoal, graças à inteligência artificial desenvolvida pela DeepMind. O IA do Google prevê o tempo e isso apenas começou.
Neste artigo vamos contar como a IA do Google prevê o clima e como essa tecnologia evoluiu.
IA do Google prevê o tempo
Surpreendentemente, este sistema de IA supera a maioria dos sistemas modernos de previsão do tempo em quase todos os aspectos. Curiosamente, parece que desta vez a inteligência artificial está a servir como um complemento à inteligência humana, em vez de a substituir.
O Centro Europeu de Previsões Meteorológicas a Médio Prazo (ECMWF) possui um sistema incrivelmente avançado que passou por uma grande atualização no ano passado, melhorando as suas capacidades de previsão. Hospedado em suas instalações em Bolonha, Itália, Existe um supercomputador equipado com aproximadamente um milhão de processadores (em contraste com os dois ou quatro encontrados em um computador pessoal) e um extraordinário poder de computação de 30 petaflops, equivalente a impressionantes 30.000 bilhões de trilhões de cálculos por segundo.
Esta imensa capacidade computacional é necessária para uma de suas ferramentas, a Previsão de Alta Resolução (HRES), que prevê com precisão os padrões climáticos globais de médio prazo, que Geralmente duram 10 dias, com uma resolução espacial impressionante de nove quilômetros. Essas previsões servem de base para as previsões meteorológicas fornecidas por meteorologistas de todo o mundo. Recentemente, o GraphCast, uma inteligência artificial desenvolvida pelo Google DeepMind, tem sido usado para medir as capacidades deste formidável sistema de previsão do tempo.
Resultados do estudo de IA
Os resultados da comparação, publicados terça-feira na revista Science, revelam que o GraphCast supera o HRES na previsão de vários fatores climáticos. De acordo com o estudo, A máquina do Google supera o ECMWF em 90,3% das 1.380 métricas examinadas.
Ao focar apenas na troposfera, a camada atmosférica onde ocorre a maioria dos eventos climáticos, e excluindo os dados da estratosfera, que está aproximadamente 6 a 8 quilômetros acima da superfície da Terra, a inteligência artificial (IA) supera os supercomputadores supervisionados por humanos em 99,7% dos casos. as variáveis analisadas. Surpreendentemente, essa conquista foi alcançada usando uma máquina que se assemelha muito a um computador pessoal, conhecida como unidade de processamento tensor ou TPU.
Segundo Álvaro Sánchez González, pesquisador do Google DeepMind, as TPUs são hardwares especializados que oferecem treinamento e execução mais eficientes de software de inteligência artificial em comparação com um PC normal, mantendo um tamanho semelhante. Assim como a placa gráfica de um computador se concentra na renderização de imagens, as TPUs são projetadas para se destacarem em produtos matriciais. Para o treinamento do GraphCast, usamos 32 TPUs ao longo de várias semanas. No entanto, uma vez concluído o treinamento, uma única TPU pode gerar previsões em menos de um minuto, conforme explica Sánchez González, um dos criadores do aparelho.
GraphCast e sistemas de previsão
Uma distinção notável entre o GraphCast e os sistemas de previsão existentes é a sua capacidade de incorporar dados históricos. Os criadores treinaram o sistema usando dados meteorológicos do arquivo ECMWF que remonta a 1979. Este extenso conjunto de dados abrange as chuvas em Santiago e os ciclones que atingiram Acapulco durante um período de 40 anos. Após uma quantidade considerável de treinamento, o GraphCast tem a notável capacidade de gerar previsões meteorológicas precisas.
Requer apenas conhecimento das condições meteorológicas seis horas antes e imediatamente antes da sua previsão para prever com precisão o tempo daqui a seis horas. As previsões são interdependentes e cada nova previsão informa a anterior. Ferran Alet, co-criador desta impressionante máquina DeepMind, explica o seu funcionamento interno: «A nossa rede neural antecipa as condições meteorológicas com seis horas de antecedência. Para prever o tempo em 24 horas, simplesmente avaliamos o modelo quatro vezes. Alternativamente, poderíamos ter treinado modelos separados para diferentes períodos de tempo, como um para seis horas e outro para 24 horas. Porém, “Entendemos que os princípios subjacentes que regem o clima permanecem consistentes dentro de um período de seis horas”.
"Portanto, se conseguirmos descobrir o modelo de 6 horas apropriado e usar as suas próprias previsões como dados, poderemos prever com precisão o tempo para as próximas 12 horas e repetir este processo a cada seis horas." Segundo Alet, essa abordagem fornece uma quantidade substancial de dados para um único modelo, resultando em um treinamento mais eficiente.
Até agora, as previsões meteorológicas baseavam-se na previsão numérica do tempo, que utiliza equações científicas desenvolvidas ao longo da história para dar conta das diversas complexidades da dinâmica atmosférica. As descobertas dos pesquisadores estabelecem um conjunto de algoritmos matemáticos que os supercomputadores deve ser executado para gerar previsões para as próximas horas, dias ou semanas (embora a confiabilidade diminua significativamente além de 15 dias). No entanto, a realização desta tarefa requer um supercomputador muito avançado, o que envolve custos significativos e extensos esforços de engenharia.
Modelo de IA do Google prevê o clima
O que é particularmente notável é que estes sistemas eles não usam as condições climáticas do dia anterior ou mesmo do ano anterior, apesar de ocorrer no mesmo local e ao mesmo tempo.
Pelo contrário, aborda a tarefa de um ângulo diferente, quase oposto. Através das suas capacidades avançadas de aprendizagem profunda, utiliza extensos arquivos de dados meteorológicos passados para obter uma compreensão abrangente da intrincada dinâmica de causa e efeito que dita a progressão do clima da Terra.
Segundo José Luis Casado, porta-voz da Agência Meteorológica Espanhola (AEMET), os dados históricos não são tidos em conta no modelo atmosférico. Casado esclarece que este modelo se baseia nas observações existentes e nas previsões mais recentes feitas pelo próprio modelo. Ao compreender com precisão o estado atual da atmosfera, é possível prever a sua progressão futura. Ao contrário das técnicas de aprendizagem automática, esta abordagem não utiliza dados históricos ou previsões.
Espero que com essas informações você possa aprender mais sobre a IA do Google que prevê o clima e suas características.