O Aardvark Weather, um novo modelo de IA desenvolvido por pesquisadores do Reino Unido e do Canadá, pode marcar uma virada na previsão do tempo global ao substituir simulações climáticas tradicionais por inteligência artificial para maximizar a eficiência de custos e a precisão.
Pesquisadores da Universidade de Cambridge, do Instituto Vector da Universidade de Toronto e do Instituto Alan Turing revelaram as novas descobertas em um relatório recente publicado na Nature.
Ao contrário das ferramentas de previsão convencionais que simulam a física atmosférica por meio de equações complexas, o Aardvark Weather é um modelo de “aprendizado profundo” que gera previsões globais para vento, umidade, geopotencial e temperatura em vários níveis de pressão.
Ele também fornece previsões de estações locais para temperatura de 2 metros e velocidade do vento de 10 metros. Deep learning é um subconjunto de machine learning que ensina computadores a reconhecer padrões em grandes quantidades de dados.
“No momento, há alguns componentes computacionalmente caros no pipeline de previsão”, disse o pesquisador de pós-doutorado do Vector Institute da Universidade de Toronto, James Requeima, ao Decrypt. “Conseguimos substituir muitas dessas peças demoradas por modelos muito mais leves, treinados para executar as mesmas tarefas.”
Ao tornar esses componentes mais eficientes, o Aardvark pôde executar previsões com mais frequência e em resoluções mais altas, melhorando a velocidade e a precisão.
Como Requeima explicou, a equipe projetou componentes para substituir cada etapa do processo de previsão, o que envolve transformar dados observacionais brutos em uma previsão do tempo.
“Descobrimos que, uma vez que esses componentes de machine learning são encadeados, o desempenho geral melhora significativamente”, disse ele. “Ao ajustar todo o pipeline para a tarefa final que estamos almejando, podemos otimizar cada componente não apenas para sua função isolada, mas para como ele contribui para o resultado que mais nos importa.”
O projeto também incluiu pesquisadores da Microsoft Research Cambridge, do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF na sigla em inglês) e do British Antarctic Survey (Pesquisa Antártica Britânica).
O Aardvark Weather usa dados atmosféricos brutos, como medições de pressão, temperatura e umidade relativa, para produzir previsões globais e locais de alta resolução.
Leia Também
O sistema é construído em torno de três componentes neurais: um codificador, um processador e um decodificador.
- Codificador: converte dados observacionais brutos e não estruturados em uma representação em grade da atmosfera;
- Processador: Gera previsões meteorológicas a partir de dados em grade;
- Decodificador: traduz as previsões em previsões locais específicas.
Para melhorar o desempenho e a precisão do Aardvark, os componentes são primeiro pré-treinados com dados de reanálise do ERA5 — um conjunto de dados históricos de alta qualidade do ECMWF — e depois ajustados usando observações meteorológicas do mundo real.
“A assimilação de dados, em geral, funciona como um procedimento autorregressivo. Você começa com a previsão atmosférica atual, gerada por grandes sistemas dinâmicos que estimam seu estado atual. No tempo zero, você tem esse estado inicial”, disse Requeima. “Mas a assimilação de dados também precisa incorporar medições em tempo real de sensores remotos. Então, você reúne observações reais junto com a previsão do modelo e ajusta sua estimativa da atmosfera de acordo.”
Uma fração do custo e do tempo
De acordo com o relatório, o Aardvark pode gerar uma previsão global completa usando quatro GPUs NVIDIA A100 em apenas um segundo, em comparação com as horas necessárias para modelos mais antigos, como a previsão de alta resolução do ECMWF.
Essa redução drástica nos requisitos de computação torna a previsão personalizável e de alta qualidade acessível a regiões e agências sem os recursos para operar sistemas NWP em escala completa. Ela também permite um ajuste fino muito mais rápido do modelo.
O Aardvark se junta a um conjunto crescente de ferramentas destinadas a ajudar meteorologistas a prever e responder a eventos climáticos extremos. Durante tempestades recentes, como os furacões Helene e Milton, que atingiram a Costa Leste dos EUA em outubro de 2024, os meteorologistas enfatizaram a importância da IA para melhorar a previsão da intensidade das tempestades.
Olhando para o futuro, Requeima observou que a equipe planeja abrir o código-fonte do Aardvark para tornar a tecnologia mais amplamente acessível.
“Acho que é um passo importante para democratizar a modelagem do clima — tornando-a mais leve e acessível ao público”, disse ele. “Essa é a nossa esperança. Também representa um grande avanço na modelagem do clima de ponta a ponta, particularmente por meio de uma abordagem de aprendizado de máquina orientada por dados.”
* Traduzido e editado com autorização do Decrypt.
- Você tem dúvidas de como montar uma carteira estratégica? O MB quer ajudar você com um portfólio pronto, com as principais criptomoedas relacionadas à inteligência artificial. Clique aqui para responder uma pesquisa e ajudar o MB nesta construção.
