A Inteligência Artificial do Google DeepMind Revoluciona a Meteorologia: Previsões Exatas e Rápidas que Superam os Modelos Convencionais

Un hombre con gafas trabajando intensamente en tres monitores, rodeado por una escena nocturna oscura, con un estilo que evoca redes entrelazadas y tonos de azul marino y aguamarina.

A Inteligência Artificial na Previsão do Tempo: O Caso da DeepMind

Em setembro, a DeepMind, unidade de inteligência artificial (IA) do Google com sede em Londres, conseguiu prever com precisão o local de aterrissagem do furacão Lee. Seu software experimental, GraphCast, antecipou um pouso muito mais ao norte do que o esperado. Finalmente, o furacão Lee atingiu exatamente onde o GraphCast havia previsto: Long Island, Nova Escócia.

Esta conquista é um claro exemplo de como os modelos de previsão do tempo impulsionados por IA estão superando os modelos convencionais. Outros modelos de IA como os construídos pela Nvidia e Huawei também demonstraram um forte desempenho. Os meteorologistas veteranos estão observando esses avanços e esperam grandes mudanças no campo devido à IA.

Superando os Modelos Convencionais

A DeepMind publicou novas provas revisadas por pares que demonstram a eficácia de seu modelo. Segundo esses testes, o modelo da DeepMind superou as previsões do Centro Europeu para Previsões Meteorológicas de Médio Prazo (ECMWF) em 90% de mais de 1.300 variáveis atmosféricas. Além disso, enquanto os modelos convencionais requerem um supercomputador para funcionar, o modelo da DeepMind pode fazer isso em um laptop e emitir uma previsão em menos de um minuto.

Os modelos meteorológicos padrão fazem suas previsões tentando replicar a física da atmosfera. Esses modelos melhoraram ao longo do tempo graças a melhores matemáticas e observações meteorológicas mais detalhadas. No entanto, esses modelos são pesados e podem levar horas para serem calculados em servidores poderosos.

O Uso de Redes Neurais de Gráficos na Previsão do Tempo

Para melhorar a previsão do tempo, a DeepMind utilizou uma forma particular de aprendizado de máquina. Peter Battaglia, diretor de pesquisa na DeepMind, tem usado redes neurais de gráficos (GNNs) para modelar o comportamento dos fluidos. As GNNs representam dados como “gráficos” matemáticos, redes de nós interconectados que podem influenciar uns aos outros. No caso das previsões meteorológicas da DeepMind, cada nó representa um conjunto de condições atmosféricas em um local particular. Embora o treinamento desses sistemas seja intensivo, o sistema final é leve e permite gerar previsões rapidamente com um mínimo de potência computacional.

Este avanço na previsão do tempo impulsionada por IA poderia ter implicações significativas para a preparação e resposta a desastres naturais como furacões. Com modelos mais precisos e rápidos, as autoridades poderiam ter mais tempo para se preparar e responder, o que poderia salvar vidas e propriedades.

Sarah é, além de uma especialista em marketing digital, uma criadora de conteúdo com vasta experiência no campo. Graduada em Sociologia pela Universidade de Barcelona e com uma Pós-graduação em Marketing Digital pelo Inesdi, Sarah conseguiu se destacar como Diretora de Marketing Digital. Seu profundo conhecimento das tendências digitais e sua habilidade para identificar oportunidades de crescimento foram fundamentais para o sucesso de inúmeras campanhas. Além disso, ela dá aulas e palestras em prestigiosas escolas de negócios, universidades e eventos, compartilhando seus conhecimentos e experiências com outros profissionais e estudantes.

Esta entrada também está disponível em: Español Français

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *