Nova ferramenta de IA para previsão do tempo supera modelos atuais.

A previsão do tempo está se tornando mais barata e precisa. Um modelo de inteligência artificial chamado Aurora usou o aprendizado de máquina para superar os sistemas atuais de previsão do tempo, relataram pesquisadores em 21 de maio na Nature.

O Aurora conseguiu prever com precisão as trajetórias de ciclones tropicais, poluição do ar e ondas oceânicas, além do tempo global em escala de cidades – oferecendo previsões em questão de segundos.

O fato de o Aurora poder fazer previsões de alta resolução usando aprendizado de máquina impressionou Peter Dueben, que chefia o grupo de modelagem de sistemas terrestres no Centro Europeu de Previsões Meteorológicas de Médio Prazo em Bonn, Alemanha. “Acho que eles foram os primeiros a ultrapassar esse limite”, diz ele.

À medida que as mudanças climáticas pioram, o clima extremo atinge com mais frequência. “Em um clima em mudança, os riscos para uma previsão precisa dos sistemas terrestres não poderiam ser maiores”, diz o coautor do estudo Paris Perdikaris, engenheiro da Universidade da Pensilvânia, Filadélfia.

E nos últimos meses, o governo dos EUA cortou o financiamento e demitiu funcionários do Serviço Nacional de Meteorologia, tornando mais difícil para esta agência emitir alertas importantes a tempo.

O Aurora é um de uma série de modelos de aprendizado de máquina que têm melhorado constantemente a previsão do tempo desde 2022, diz Dueben. Seu grupo tem usado modelos de aprendizado de máquina semelhantes ao Aurora para fornecer previsões por dois anos. “Nós os executamos todos os dias”, diz ele. O aplicativo MSN Weather da Microsoft já incorpora os dados do Aurora em suas previsões.

Os sistemas de previsão padrão não usam aprendizado de máquina. Eles modelam o tempo da Terra resolvendo equações complexas de matemática e física para simular como as condições provavelmente mudarão ao longo do tempo.

Mas simular um sistema tão caótico como o tempo é um desafio extremamente difícil. Em julho de 2023, por exemplo, previsões oficiais com alguns dias de antecedência do Tufão Doksuri erraram sua trajetória. Quando a tempestade atingiu as Filipinas, houve pouco aviso. Dezenas de pessoas morreram em inundações, deslizamentos de terra e acidentes.

Em um cenário de teste, o Aurora previu corretamente a trajetória do Tufão Doksuri a partir de dados coletados com quatro dias de antecedência. A equipe analisou as trajetórias que sete grandes centros de previsão haviam previsto para ciclones que ocorreram em 2022 e 2023. Para tempestades no Atlântico Norte e Pacífico Leste, as previsões do modelo de IA foram de 20 a 25 por cento mais precisas com tempos de antecedência de dois a cinco dias.

Superar as previsões oficiais para ciclones com até cinco dias de antecedência “nunca foi feito antes”, diz a coautora do estudo Megan Stanley, pesquisadora de inteligência de máquina na Microsoft Research em Cambridge, Inglaterra. “Como todos sabemos de muitos casos de tufões e furacões, ter até mesmo um dia de aviso prévio é suficiente para salvar muitas vidas”, diz ela.

Ao contrário das previsões padrão, os modelos de aprendizado de máquina não simulam física e resolvem fórmulas matemáticas complexas para fazer previsões. Em vez disso, eles analisam grandes conjuntos de dados sobre como o tempo mudou ao longo do tempo. O Aurora absorveu mais de um milhão de horas de informações sobre a atmosfera da Terra. Ele aprendeu como os padrões climáticos tendem a evoluir. Mas isso foi apenas o começo.

O Aurora é um modelo de fundação. Em IA, um modelo de fundação é como um aluno do ensino médio. Um recém-formado já sabe muitas coisas úteis, mas com algum treinamento adicional, ele poderia realizar todos os tipos de trabalhos diferentes. Da mesma forma, um modelo de fundação pode passar por um processo chamado ajuste fino para aprender a realizar diferentes tipos de tarefas especializadas. Durante o ajuste fino do Aurora, a equipe alimentou o modelo com novos tipos de dados sobre diferentes sistemas terrestres, incluindo trajetórias de ciclones, poluição do ar e ondas oceânicas.

O processamento de dados para um modelo de previsão do tempo baseado em física pode levar várias horas em um supercomputador. E o desenvolvimento de um novo modelo baseado em física leva “décadas”, diz Dueben. O desenvolvimento do Aurora levou oito semanas.

Como modelos como o Aurora podem ser executados em um computador de mesa comum e não exigem um supercomputador, eles poderiam tornar a poderosa previsão do tempo mais acessível a pessoas e lugares que não podem arcar com simulações baseadas em física próprias.

E como o Aurora é um modelo de fundação que pode ser ajustado, ele poderia potencialmente ajudar em qualquer tipo de previsão terrestre. Stanley e seus colegas imaginam ajustar o sistema para prever mudanças no gelo marinho, inundações, incêndios florestais e muito mais.