ZAP // NightCafe Studio
A nova plataforma de previsão meteorológica baseada em Inteligência Artificial do Google está prestes a fazer chover em cima dos meteorologistas. O GraphCast faz previsões mais precisas, num tempo muito reduzido, e usando um simples computador pessoal.
Brevemente, vai ser um robô a dizer-lhe que roupa deve vestir para sair amanhã à rua.
A Google DeepMind, divisão de Inteligência Artificial do Google, acaba de anunciar um novo modelo de previsão do tempo que supera os sistemas tradicionais em mais de 90% das vezes.
Chamado GraphCast, o modelo de machine learning da gigante das pesquisas promete previsões meteorológicas a 10 dias — mais precisas, mais rápidas e mais eficientes em termos de energia do que as ferramentas que atualmente ajudam os meteorologistas a tentar adivinhar o tempo para os próximos dias.
“Acreditamos que este é um ponto de viragem na previsão do tempo“, escreveram os investigadores da Google num estudo publicado esta terça-feira na revista Science.
Tradicionalmente, a previsão meteorológica é um processo complexo e que consome muita energia. A previsão meteorológica numérica (NWP), baseada em princípios físicos, usa supercomputadores para processar dados globais de várias fontes. Embora precisa, esta metodologia é dispendiosa.
O GraphCast, que se destaca pela sua eficiência e precisão, usa Inteligência Artificial para otimizar as suas previsões, reduzindo custos e consumo de energia — uma abordagem que, realça a Nature, tem estado a ser seguida por outros gigantes tecnológicos como a Nvidia e a Huawei, e startups como a Atmo.
O treino do GraphCast, que envolveu dados históricos globais de clima de 1979 a 2017, permite-lhe prever o clima com base em dados de condições atmosféricas das seis horas anteriores — estendendo então as suas previsões para os dias seguintes.
O GraphCast é incontornavelmente eficaz quer na previsão de variáveis próximas da superfície como a temperatura do ar, quer das condições atmosféricas a altitudes mais elevadas.
Além disso, a plataforma do Google mostrou-se bastante rigorosa na previsão de eventos meteorológicos severos, incluindo ciclones tropicais e episódios de calor e frio extremos.
Embora o desempenho do GraphCast seja atualmente imbatível, o uso de machine learning na previsão do tempo está ainda em fase experimental.
“É necessário acrescentar modelos físicos ao treino destas plataformas”, diz à Nature o coordenador de machine learning do European Weather Model EURO1k, Matthew Chantry. “Mas prevejo que se venha a assistir, nos próximos 2 a 5 anos, a uma autêntica revolução no campo da meteorologia“.
Previsão do ZAP para os próximos tempos: aproxima-se uma forte depressão que vai causar agitação na vida dos meteorologistas de todo o Mundo
