Quão confiáveis ​​são as previsões meteorológicas feitas com inteligência artificial?

Caso quisermos saber como estará o tempo na próxima semana, uma previsão do tempo pode dar-nos uma ideia muito aproximada. Estatisticamente, para os modelos atuais, uma previsão de sete dias pode prever com precisão o tempo em aproximadamente 80% e uma previsão de cinco dias pode prever com precisão o tempo em aproximadamente 90%. Aquilo que as previsões numéricas (NWP) basicamente fazem é prever o estado da atmosfera num momento futuro com base nas condições iniciais.

Como a atmosfera é um sistema caótico, pequenas alterações nas condições iniciais podem gerar diferenças consideráveis na previsão à medida que nos afastamos no tempo. Hoje em dia, a capacidade de cálculo tem permitido aumentar consideravelmente a eficácia dos modelos de previsão. A estes modelos juntam-se agora aqueles que utilizam inteligência artificial (IA) para prever condições. Estes modelos têm a capacidade de comparar uma situação inicial com uma grande base de dados do passado para estabelecer a previsão.

Embora alguns meios de comunicação, como o Wired, já tenham assumido que as previsões da IA substituíram as geradas pelo NWP, a realidade é que esta afirmação não é totalmente verdadeira e ainda há um longo caminho a percorrer. Os modelos de IA parecem funcionar bem para situações dentro da média, mas apresentam problemas na resolução de situações extraordinárias ou distantes dos valores médios. É verdade que se está a abrir um caminho muito promissor.

Diferentes modelos de IA

O desempenho dos modelos meteorológicos de IA pode variar muito dependendo do modelo específico utilizado, dos dados nos quais ele é treinado e da complexidade dos algoritmos subjacentes. No entanto, os modelos meteorológicos de IA têm-se mostrado promissores na melhoria da precisão das previsões meteorológicas nos últimos anos. O seu ponto mais forte são os bons resultados na previsão de curto prazo.

Os modelos meteorológicos de IA, especialmente modelos de aprendizagem profunda, como redes neurais, demonstraram a capacidade de melhorar as previsões meteorológicas de curto prazo. Conseguem analisar grandes quantidades de dados rapidamente e identificar padrões que os modelos numéricos tradicionais de previsão do tempo podem não perceber.

Outro ponto de valor que está a ser trabalhado é que os modelos de IA podem, às vezes, fornecer prazos mais longos para eventos climáticos extremos, como furacões, tornados ou chuvas fortes, o que pode ser crucial para o alerta precoce e a preparação para desastres.

A possibilidade de melhorar as previsões numa escala mais limitada, como a mesoescala, também é promissora. Os modelos de IA podem ser excelentes na previsão de eventos meteorológicos localizados, como tempestades, que muitas vezes são difíceis de prever com precisão pelos modelos tradicionais. A previsão com IA pode ser um avanço, mas ao custo de um custo computacional mais elevado. O equilíbrio entre precisão e custo computacional é uma consideração crucial. De qualquer forma, é um novo participante que pode ajudar a obter melhores estimativas.

Uma ótima ferramenta para previsão

A comunidade meteorológica sabe que as previsões da IA são muito promissoras, mas sabe que não são uma solução definitiva e devem ser utilizadas em conjunto com modelos numéricos tradicionais de previsão meteorológica e análises meteorológicas especializadas para fornecer previsões mais fiáveis. A previsão do tempo continua a ser uma ciência complexa e multifacetada, e a IA é apenas uma das ferramentas utilizadas para melhorar a sua precisão. Um dos modelos mais promissores é o do Google: Deep Mind Graph Cast.

O Centro Europeu de Previsões Meteorológicas a Médio Prazo (ECMWF) conduziu um estudo sobre avaliação de previsões para condições meteorológicas extremas em 2022. Descobriu-se que os modelos de IA baseados em dados são capazes de prever situações meteorológicas extremas e fornecer orientação de médio prazo. O modelo de referência da IA, Pangu Weather (PGW), não produz previsões de precipitação, nuvens, visibilidade, rajadas de vento, o que tem limitado as análises.

Além disso, ainda não existe um método de conjunto confiável disponível devido à falta de incerteza do modelo, razão pela qual esse aspeto não foi avaliado. É provável que os desenvolvimentos futuros de modelos baseados em dados resolvam essas deficiências. Embora as previsões da IA mostrem que podem ser uma grande ferramenta, as falhas de todos os modelos na previsão do catastrófico Furacão Otis que destruiu Acapulco indicam que ainda há um longo caminho a percorrer para melhorias.