Modelo de Previsão do Tempo com IA Usa 7.000 Vezes Menos Energia do que os Modelos Tradicionais

A previsão do tempo é uma das tarefas cruciais que nossos computadores mais poderosos realizam. Ela requer milhões de cálculos e máquinas massivas resolvendo equações, que ajudam a prever condições como temperatura, vento e chuva. É também uma ferramenta vital para prever grandes eventos climáticos, que podem disruptar regiões e economias inteiras.

O campo da previsão do tempo continua a melhorar rapidamente à medida que nossa tecnologia evolui, tornando-se mais precisa e eficiente. Um novo trabalho resultante de uma colaboração entre a Universidade de Washington e a Microsoft Research demonstra como a inteligência artificial (IA) pode ser usada para essas previsões exatas. A nova tecnologia analisa padrões climáticos passados para prever eventos futuros, e o faz de forma mais eficiente do que os modelos atuais. Com mais avanços, também pode alcançar um ponto em que seja muito mais preciso do que os modelos de hoje.

Novo Modelo Global de Previsão do Tempo

O novo modelo global de previsão do tempo usa os últimos 40 anos de dados climáticos para fazer suas previsões, o que é diferente dos outros que usam cálculos físicos. O novo modelo é simples e baseado em dados, e pode simular padrões climáticos para um ano inteiro, sendo aplicado em todo o mundo. É mais rápido e tão eficiente quanto os modelos atuais, o que alcança por meio de etapas repetidas com cada previsão.

A pesquisa foi publicada no Journal of Advances in Modeling Earth Systems.

Jonathan Weyn é o autor principal da pesquisa.

“A aprendizagem de máquina está essencialmente fazendo uma versão glorificada de reconhecimento de padrões”, disse Weyn. “Ela vê um padrão típico, reconhece como ele geralmente evolui e decide o que fazer com base nos exemplos que viu nos últimos 40 anos de dados.”

O novo modelo é atualmente menos preciso do que os modelos de ponta atuais, mas por ser baseado em IA, ele utiliza 7.000 vezes menos poder computacional para desenvolver o mesmo alcance de previsões. Por ter uma carga de trabalho computacional menor, é mais rápido.

Previsão em Conjunto

Com essa velocidade aumentada, os centros de previsão poderiam executar vários modelos com condições diferentes. Isso é chamado de “previsão em conjunto”, e é usado para fazer previsões sobre uma faixa de condições possíveis para um evento climático.

Dale Durran é professor de ciências atmosféricas da UW e autor da pesquisa.

“Há muito mais eficiência nessa abordagem; é isso que é tão importante sobre ela”, disse Durran. “A promessa é que ela poderia permitir que lidemos com questões de previsibilidade tendo um modelo que seja rápido o suficiente para executar conjuntos muito grandes.”

Esse projeto começou quando Rich Caruana, da Microsoft Research, que é coautor do artigo, propôs usar IA para previsões climáticas com base em dados históricos. Isso significava que as leis físicas não precisavam mais ser confiáveis para fazer tais previsões.

“Depois de treinar em dados climáticos passados, o algoritmo de IA é capaz de encontrar relações entre variáveis diferentes que as equações físicas simplesmente não podem fazer”, disse Weyn. “Podemos nos dar ao luxo de usar muito menos variáveis e, portanto, criar um modelo que seja muito mais rápido.”

O modelo foi testado prevendo uma variável padrão em previsões climáticas. Ele fez previsões a cada 12 horas por um ano inteiro, e o novo modelo foi um dos principais desempenhos de acordo com o WeatherBench, que é um teste de referência para previsões climáticas baseadas em dados.

Os pesquisadores devem continuar a ajustar o modelo se ele for usado ao lado ou no lugar dos modelos existentes. Os autores acreditam que isso pode ser uma alternativa para gerar previsões climáticas no futuro.