CNN
—
Compreender e prever o clima pode ser uma tarefa extremamente desafiadora, mas um novo modelo de previsão baseado em inteligência artificial acaba de atingir um marco significativo, provocando a expectativa de que as previsões meteorológicas se tornem muito mais precisas e confiáveis por um maior período de tempo.
A previsão precisa do tempo sempre foi uma tarefa Hercúlea, dado o dinamismo do clima que impede qualquer tentativa de simplificação. Basta observar que, décadas atrás, não se poderia esperar previsões confiáveis a mais de alguns dias; a expectativa de um prognóstico de cinco dias era apenas de 65% de acerto.
Contudo, com avançadas observações climáticas e o crescimento exponencial do poder de computação, as previsões melhoraram significativamente e hoje, por exemplo, a eficácia é de cerca de 90%. Impressionante, não? Agora, o modelo GenCast, desenvolvido pela equipe da DeepMind do Google, se destaca como um avanço ainda mais significativo nesse cenário.
Recentemente, uma pesquisa publicada na renomada revista Nature revelou que o GenCast, em previsões de até 15 dias, superou um dos modelos tradicionais mais respeitados, que não faz uso de inteligência artificial. O especialista Peter Dueben, da Centro Europeu para Previsões Meteorológicas de Médio Prazo, elogiou esse resultado como “impressionante” e um grande passo adiante.
Entretanto, é preciso notar que o GenCast ainda não está disponível para o público. Ele e outros modelos de inteligência artificial ainda enfrentam importantes desafios, especialmente no que diz respeito às previsões de eventos climáticos extremos mais frequentes e severos, exacerbados pelas mudanças climáticas. Portanto, ainda há trabalho a ser feito antes que essa tecnologia realmente possa impactar vidas de forma significativa.
Contexto histórico: O desenvolvimento da meteorologia
A precisão das previsões meteorológicas sempre esteve intimamente relacionada ao avanço da tecnologia. Os modelos usados atualmente baseiam-se em complexas equações matemáticas que modelam a física da atmosfera, utilizando centenas de milhões de dados de observações em tempo real para tentar prever como será o tempo em diferentes períodos.
O método de previsão numérica do tempo, por exemplo, surgiu no início do século XX e, naquela época, era um processo extremamente árduo realizado manualmente, tão demorado que as previsões já se tornavam obsoletas antes mesmo de serem feitas. Avanços tecnológicos nas décadas de 50 e 60 permitiram um salto na previsão, mas foi somente em 1974 que o primeiro modelo que integrava dados globais e gerava previsões rudimentares foi colocado em operação.
Atualmente, supercomputadores realizam um número quase inimaginável de cálculos diariamente para produzir previsões detalhadas que se estendem por vários dias em todo o globo. Contudo, esses modelos ainda possuem limitações. Os mais avançados só podem ser executados a cada algumas horas devido ao tempo necessário para processar os dados, e exigem grande potência computacional e consumo de energia, tornando-se dispendiosos.
Adicionalmente, ainda existem dificuldades nas previsões: quanto mais distante no tempo, mais desafiador é prever eventos climáticos precisos devido à constante dinâmica atmosférica. Isso nos leva à questão central das limitações dos modelos de previsão tradicionais, que já não atendem plenamente à demanda por proações mais confiáveis.
Novas abordagens: O modelo GenCast e suas inovações
Diferentemente dos modelos tradicionais que dependem de alterações físicas observadas, os modelos de previsão com inteligência artificial, como o GenCast, fazem previsões do comportamento atmosférico do planeta a partir da análise de dados climáticos históricos. Esse novo método melhora a precisão ao eliminar erros associados aos dados de tempo real.
Os modelos de previsão por IA também têm a vantagem de operar de forma mais rápida e com menor custo de energia comparado aos modelos tradicionais, uma vez que estão treinados e prontos para serem utilizados. Isso significa que eles podem ser executados com mais frequência e modelar uma variedade mais ampla de possíveis resultados, aumentando ainda mais a precisão como resultado desse ciclo constante de previsões.
Um caminho a percorrer para a aplicação verdadeira
Contudo, mesmo com o imenso progresso proporcionado pelo GenCast, ainda existem desafios a serem enfrentados. A princípio, a tecnologia de IA não possui o conhecimento físico fundamental – sendo assim, pode não captar predições de extremos climáticos que não tenham sido observados no passado recente. Isso levanta uma questão intrigante, pode um modelo treinado com somente 40 anos de dados prever eventos extremos como chuvas torrenciais que ocorrem com uma frequência pouco comum em um clima que está em constante mudança?
A boa notícia é que, apesar das dúvidas, os modelos estão se mostrando mais robustos para esses eventos extremos do que se poderia imaginar. O ECMWF, que é considerado o modelo padrão de clima, tem submetido modelos de IA a testes sob condições reais e notou melhorias em sua precisão geral, mesmo em relação a eventos extremos.
Contudo, a precisão em prever sistemas tropicais ainda apresenta um grande desafio. Essa questão tem um peso crucial, especialmente quando consideramos a crescente intensidade de ciclones tropicais em um mundo afetado pelas mudanças climáticas. Estima-se que o GenCast, embora tenha mostrado certa habilidade na previsão de trajetórias, ainda enfrenta dificuldades em prever exatamente a intensidade desses sistemas tropicais.
Esse é um aspecto que gerou preocupação, dado que muitas das tempestades mais intensas que marcaram a história recentes não se encontravam nos 40 anos de dados que o GenCast usou para seu treinamento. Contudo, os pesquisadores estão confiantes de que, com o tempo e o acúmulo de dados, esses modelos irão se aprimorar.
Cada passo que esse tipo de tecnologia avança é uma nova habilidade que os meteorologistas humanos podem utilizar para criar previsões cada vez mais precisas, fundamentais para o planejamento diário de todas as pessoas. Como disse Dueben: “Você pode ser tão cético quanto quiser em relação às previsões baseadas em machine learning, mas não há dúvida de que esses modelos terão um impacto positivo em nossas previsões do tempo.” Portanto, a era da inteligência artificial na meteorologia está só começando e promete significativas mudanças na maneira como compreendemos e nos preparamos para o clima.
