Novo modelo de IA poderá contribuir para o início de uma nova era de previsão meteorológica, mais rápida e mais fiável

Este modelo de inteligência artificial gera previsões com 15 dias de antecedência, bem como a probabilidade de exatidão, com mais precisão do que o melhor sistema utilizado nos dias de hoje.

Modelo GenCast

As previsões meteorológicas têm sempre um determinado grau de incerteza, pelo que a previsão de cenários meteorológicos prováveis é crucial para decisões importantes. Estas são as chamadas previsões “probabilísticas”, que associam a cada previsão uma determinada probabilidade de ocorrência.

As previsões deste modelo de IA, desenvolvido pela Google DeepMind, foram comparados com previsões do melhor modelo operacional de médio prazo do mundo, o sistema de modelo de conjunto (Ensemble Prediction System - ENS) do Centro Europeu de Previsão do Tempo a Médio Prazo (ECMWF).

O GenCast gera um conjunto de previsões globais estocásticas, associadas a probabilidade de ocorrência, de 15 dias, com passos de 12 horas e uma resolução de 0,25° de latitude-longitude, para mais de 80 variáveis atmosféricas e de superfície, em 8 minutos.

As previsões convencionais, incluindo as do ENS, baseiam-se em modelos matemáticos que simulam as leis da física que regem a atmosfera da Terra. Utilizam supercomputadores para analisar dados de satélites e estações meteorológicas, um processo que demora horas e requer grandes quantidades de poder de computação.

Segundo Ilan Price, investigador do Google DeepMind em Londres e autor do artigo, este modelo, o GenCast, pelo contrário, foi desenvolvido apenas com dados meteorológicos históricos, o que permite ao sistema estabelecer relações complexas entre variáveis como a pressão atmosférica, a humidade, a temperatura e o vento. Este facto ajuda-o a superar os sistemas estritamente baseados na física com a aprendizagem automática.

Evolução da IA na previsão meteorológica

A previsão meteorológica por IA tem avançado rapidamente, com várias empresas a desenvolverem novos e melhores modelos. No início deste ano, a Google lançou o NeuralGCM3, um sistema híbrido que combina modelos baseados na física com IA para produzir previsões a curto e longo prazo ao nível dos modelos convencionais.

Alguns dos sistemas de IA lançados até à data são modelos “determinísticos”, o que significa que oferecem apenas uma única previsão e não estimam a probabilidade da previsão estar correta. Em contrapartida, o GenCast gera previsões de “conjunto”, ou seja, um conjunto de previsões que foram produzidas a partir de condições iniciais ligeiramente diferentes.

Os autores do estudo prepararam a IA com dados meteorológicos globais de 1979 a 2018 e de seguida previram o tempo de 2019. Para verificar a sua exatidão, compararam as previsões do GenCast com os dados meteorológicos reais e as previsões da ENS do ECMWF para esse ano.

Os investigadores divulgaram o código subjacente e estão a disponibilizar os parâmetros do modelo, para utilização não comercial. Segundo Price, isto ajudará a “democratizar” a investigação e a aumentar o acesso do público à modelação meteorológica.

Perante isto, Matthew Chantry, coordenador de aprendizagem automática no Centro Europeu de Previsão do Tempo a Médio Prazo, em Reading, no Reino Unido, afirma que é necessário que se compreenda o desempenho destes modelos nos fenómenos meteorológicos mais extremos e que a publicação do modelo e dos dados permitirá que a comunidade científica os avalie, afirma.

Chantry, que já tinha lido um manuscrito do artigo, há um ano, implementou alguns dos principais avanços no próprio modelo de aprendizagem automática do ECMWF. O modelo resultante, denominado Sistema Integrado de Inteligência Artificial e Previsão (AIFS), será publicado em breve.

Referência da notícia

Ilan Price, Alvaro Sanchez-Gonzalez, et, al., Probabilistic weather forecasting with machine learning. Nature (2024).