Uma tecnologia capaz de antecipar as trajetórias de um ciclone ou prever com precisão uma onda de calor como nunca antes: essa é a ambição do GenCast, um modelo de IA da Google DeepMind, que agora lidera as previsões meteorológicas.
O GenCast se destaca ao gerar não apenas uma, mas cinquenta previsões simultâneas, cada uma representando um cenário climático, que são então comparadas para oferecer o cenário mais provável. Essa abordagem, chamada de "por conjuntos", permite captar com precisão o espectro das possibilidades, uma inovação essencial em um campo onde a incerteza predomina além de alguns dias.
Mas como a IA atinge tais resultados? Combinando o poder dos modelos de difusão, frequentemente usados para gerar imagens, e uma adaptação específica à geometria esférica da Terra. Graças a essa estrutura, o GenCast consegue mapear as evoluções climáticas complexas com uma precisão inédita.
Este modelo foi treinado com quatro décadas de dados provenientes dos arquivos ERA5 do Centro Europeu para Previsões Meteorológicas de Médio Prazo. Entre as variáveis integradas estão: temperatura, velocidade do vento e pressão atmosférica. Essas informações permitem que a IA aprenda os grandes padrões climáticos e forneça previsões detalhadas com uma resolução de 0,25 grau.
Nos testes, o GenCast superou o sistema ENS, atualmente a referência mundial, em 97,2% dos casos, e até em 99,8% quando o prazo era superior a 36 horas. Em apenas oito minutos, o modelo produz uma previsão para 15 dias usando um único processador TPU (Tensor Processing Unit) da Google Cloud, enquanto os métodos clássicos requerem supercomputadores e várias horas de cálculo.
Esses dados mostram a umidade específica e as trajetórias previstas do tufão Hagibis antes de sua chegada ao Japão. As previsões do GenCast, iniciadas um dia ou 15 dias antes, permanecem nítidas, mas as médias do conjunto e os estados perturbados aparecem desfocados devido à incerteza. Os espectros de potência confirmam a perda de resolução para esses estados desfocados. As trajetórias indicam uma incerteza significativa a longo prazo, reduzida à medida que o prazo se aproxima.
Além da simples previsão diária, as capacidades do GenCast são relevantes para fenômenos extremos, como ciclones e ventos violentos. Ao antecipar esses eventos com maior precisão, a IA pode salvar vidas e limitar danos materiais.
O impacto potencial também se estende às energias renováveis. Melhorar a previsão dos ventos pode otimizar o uso de turbinas eólicas, fortalecendo a transição para uma energia limpa e sustentável.
No entanto, esse progresso não elimina completamente as limitações. O GenCast depende de dados passados, e sua eficácia diante de um clima em transformação ainda é incerta. Os pesquisadores destacam a necessidade de atualizações frequentes para se adaptar às novas dinâmicas climáticas.
Ao disponibilizar os códigos e dados do GenCast, o Google espera acelerar a inovação neste campo. O objetivo? Alinhar a inteligência artificial com a meteorologia tradicional.
Autor do artigo: Cédric DEPOND
Fonte: Nature