Eventos climáticos extremos estão se tornando cada vez mais frequentes e intensos. Pesquisadores estão buscando métodos de previsão mais rápidos e precisos, e a IA traz novas possibilidades.
Em maio deste ano, a Microsoft lançou a ferramenta de previsão do tempo Aurora. Paris Perdikaris, pesquisador da Microsoft envolvido no projeto Aurora, afirma: "Essas ferramentas de IA são boas em identificar padrões."
Para treinar a Aurora, a Microsoft forneceu mais de 100 milhões de horas de dados climáticos, cerca de 16 vezes o volume do modelo GPT mais recente. A Aurora agora pode prever a poluição do ar global para os próximos 5 dias e as condições climáticas para os próximos 10 dias 5000 vezes mais rápido que os métodos tradicionais.
Após a parceria da The Weather Company com a NVIDIA, o poder computacional mais forte tornou os cálculos de previsão de IA mais rápidos, com resultados mais precisos e detalhados.
A equipe da Universidade Villanova está focada na previsão de tempestades. Seu modelo determina o impacto das tempestades identificando sua escala e forma, como se formarão tornados ou granizo. Com a ajuda do aprendizado de máquina, o tempo de alerta antecipado aumentou de 15 minutos para 1 hora antes da ocorrência.
A "velocidade" é a vantagem mais notável das ferramentas de IA. Os modelos tradicionais de circulação atmosférica (GCM) requerem grandes quantidades de dados climáticos e supercomputadores, consumindo tempo e energia. Em comparação, as novas ferramentas de previsão do tempo baseadas em IA podem rodar em um laptop, mas sua precisão ainda precisa ser observada.
A Microsoft afirma que a Aurora estará disponível ao público nos próximos meses. Perdikaris prevê que a IA pode ser integrada aos fluxos de trabalho meteorológicos nos próximos 2-5 anos.
O novo modelo do Google DeepMind, "NeuralGCM", adota uma abordagem abrangente. É mais preciso em previsões climáticas de 1-10 dias do que modelos puramente de aprendizado de máquina e alguns modelos atualmente em uso. O NeuralGCM combina IA e cálculos tradicionais de dinâmica de fluidos, reduzindo significativamente a demanda computacional enquanto mantém a precisão da previsão.
Aaron Hill, professor assistente de meteorologia na Universidade de Oklahoma, acredita que o aspecto mais significativo dessas ferramentas de IA está na redução da carga computacional, com potencial para construir e calcular modelos climáticos de longo prazo e em grande escala.
Sob a crise climática, além das agências de previsão meteorológica, traders de commodities, planejadores agrícolas e a indústria de seguros estão dispostos a pagar por modelos de previsão do tempo mais rápidos e precisos, e este campo está se desenvolvendo rapidamente.