A Microsoft afirma ter encontrado uma forma mais barata de tornar as previsões do tempo mais precisas entre duas e seis semanas à frente, período em que tanto os modelos de previsão tradicionais quanto os sistemas mais recentes de IA costumam perder confiabilidade. Os resultados foram publicados na revista Nature, e a ferramenta agora é um software de código aberto. Os pesquisadores afirmam que as previsões de longo prazo podem ajudar agricultores e equipes de emergência a planejar com mais confiança.
A Microsoft se junta ao Google, à Nvidia e a outras empresas que desenvolvem ferramentas de IA para previsão do tempo. Mas, em vez de criar um novo modelo meteorológico independente, a equipe da Microsoft usa aprendizado de máquina para corrigir vieses em modelos que já existem. Os pesquisadores esperam que essa abordagem seja mais fácil de adotar por agências meteorológicas com recursos limitados.
Modelos baseados em física e modelos baseados em IA enfrentam dificuldades por um motivo semelhante. Os modelos tradicionais tentam simular a física complexa da atmosfera terrestre, enquanto os modelos de IA buscam padrões em dados históricos. Ambos dependem de aproximações para preencher lacunas, seja onde as estações meteorológicas são escassas, seja onde os fenômenos atmosféricos ainda são pouco compreendidos. Essas aproximações podem se transformar em um viés sistemático, e os erros se acumulam quanto mais à frente a previsão avança.
A Microsoft chama seu método de Probabilistic Bias Correction, ou PBC. A ferramenta usa aprendizado de máquina para identificar vieses sistemáticos em um modelo e fazer correções. Lester Mackey, pesquisador principal sênior da Microsoft Research New England, deu um exemplo: a mudança climática. As emissões de gases de efeito estufa provenientes de combustíveis fósseis estão aquecendo o planeta, mas um modelo meteorológico construído com base em registros históricos pode puxar suas previsões para temperaturas mais frias do que as que o mundo vive atualmente.
Mackey afirmou que a ferramenta pode rodar apenas em CPUs, o que é importante porque a modelagem baseada em física é uma tarefa que exige muitos recursos e roda em supercomputadores, enquanto a IA generativa depende de GPUs potentes. “Tenho muita esperança tanto na maior eficiência no uso de recursos da previsão do tempo quanto na confiabilidade ampliada das previsões, especialmente para eventos climáticos extremos”, disse Mackey ao The Verge.
Na análise do estudo, o PBC melhorou a precisão de um modelo líder baseado em física do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF) em 98% dos alvos de precipitação e 92% dos alvos de temperatura. A estrutura de aprendizado de máquina também dobrou a precisão do novo sistema de previsão por IA do ECMWF. O ECMWF já havia premiado a pesquisa de PBC dos autores em sua competição AI Weather Quest antes da publicação do artigo.
O artigo, produzido por pesquisadores da Microsoft, do MIT, do ECMWF e de outras instituições, recebeu elogios da agência. “É um bom exemplo de novas ideias sendo desenvolvidas para o benefício e a consideração da comunidade”, disse Matthew Chantry, líder estratégico de aprendizado de máquina do ECMWF, em um comentário enviado por e-mail ao The Verge.
Chantry foi franco sobre os obstáculos que ainda existem. “Como sempre, transformar ideias em realidade [em] um processo operacional é uma etapa muito desafiadora”, acrescentou.
A capacidade computacional e a infraestrutura necessárias para a previsão do tempo muitas vezes deixaram os avanços tecnológicos fora do alcance de agências em países de economia em desenvolvimento. Os autores acreditam que o PBC pode ser diferente. “Uma das coisas que realmente me empolgam em modelos como o PBC é quão leves eles são, quão fáceis de treinar, e que cientistas sem grandes recursos podem trabalhar para configurar esses modelos e fazê-los funcionar melhor em localidades específicas”, disse Genevieve Flaspohler, uma das autoras do artigo.
Flaspohler trabalhou no PBC como estagiária na Microsoft, ao lado de Mackey. Ela agora é diretora executiva da organização sem fins lucrativos Rhiza Research, que trabalha com a Kenya Meteorological Service Authority, com financiamento da Fundação Gates, para verificar se a IA pode ajudar a entregar alertas antecipados mais precisos às pessoas. O PBC é um dos métodos que o grupo está testando antes de uma estação chuvosa mais extrema, prevista durante um El Niño recorde.
Cet article a été rédigé avec l'assistance de l'IA.
News Factory APP - actualités agentiques pour booster votre SEO et AEO.