Resumindo: A previsão do tempo é um assunto complexo e que consome muita energia, tradicionalmente dependendo de supercomputadores poderosos para processar grandes quantidades de dados e variáveis. A divisão DeepMind do Google está agora propondo uma abordagem alternativa baseada em IA que parece superar o método baseado em supercomputador sob certas condições.
GráficoCast é um modelo de IA de ponta projetado especificamente para previsões meteorológicas. De acordo com o Google, este novo algoritmo de aprendizado de máquina apresenta “precisão sem precedentes” nas previsões globais e opera a uma velocidade notável, entregando previsões em menos de um minuto.
Descrito em artigo publicado em Ciência, o GraphCast serve como uma alternativa à tradicional “previsão numérica do tempo”. O artigo destaca o aumento de recursos de energia e computação exigidos por modelos baseados em supercomputadores para aumentar a precisão das previsões, contrastando isso com a capacidade do GraphCast de alcançar resultados potencialmente superiores com uma fração das crescentes demandas de energia.
A IA do Google é capaz de prever centenas de variáveis climáticas globalmente durante um período de 10 dias com uma resolução de 0,25°. De acordo com os pesquisadores do Google, o modelo “supera significativamente” os sistemas mais precisos em 90% dos 1.380 “alvos de verificação” e se destaca na previsão de eventos graves, como o rastreamento de ciclones tropicais, rios atmosféricos e temperaturas extremas.
O modelo do GraphCast foi treinado em mais de 40 anos de dados meteorológicos históricos fornecidos pelo Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF), um dos principais sistemas de previsão do mundo. Matthew Chantry, coordenador de aprendizado de máquina da ECMWF, bem-vindo o rápido progresso feito pelos algoritmos de IA na previsão do tempo, afirmando que eles avançaram muito mais cedo e “de forma mais impressionante” do que os especialistas previam há dois anos.
GraphCast é rápido, preciso e altamente eficiente em termos de energia, exigindo apenas um minuto de carga computacional em um computador em nuvem Google TPU v4. Em contraste, os supercomputadores tradicionais precisam calcular equações complexas da física atmosférica, um processo que pode ser 1.000 vezes mais caro em termos de custos de energia do que o do GraphCast.
Apesar de suas conquistas notáveis, o GraphCast ainda tem algumas limitações dignas de nota. O modelo de IA não pode superar o método baseado em supercomputador em todos os cenários de previsão e não pode fornecer o mesmo nível de detalhe e granularidade nas previsões que a tecnologia tradicional.
O Google DeepMind afirma que a abordagem baseada em IA do GraphCast pode servir como uma ferramenta complementar aos sistemas meteorológicos de supercomputadores e não os substituirá tão cedo. O ECMWF já está a planear desenvolver o seu próprio modelo de IA para integração com o seu sistema numérico de previsão meteorológica.