O Google diz que novos modelos de IA permitem previsões meteorológicas "quase instantâneas"


  

A previsão do tempo é notoriamente difícil, mas nos últimos anos os especialistas sugeriram que o aprendizado de máquina poderia ajudar a separar melhor o sol do granizo. O Google é a mais recente empresa a se envolver e, em uma postagem no blog esta semana compartilhou novas pesquisas que, segundo ele, permitem previsões meteorológicas "quase instantâneas".

O trabalho está nos estágios iniciais e ainda precisa ser integrado a qualquer sistema comercial, mas os primeiros resultados parecem promissores. No artigo não revisado por pares os pesquisadores do Google descrevem como eles foram capazes de gerar previsões precisas de precipitação até seis horas antes do tempo, com uma resolução de 1 km a partir de apenas "minutos" de cálculo.

Essa é uma grande melhoria em relação às técnicas existentes, que podem levar horas para gerar previsões, embora elas o façam por períodos mais longos e gerem dados mais complexos.

As previsões rápidas, dizem os pesquisadores, serão "uma ferramenta essencial necessária para uma adaptação efetiva às mudanças climáticas, particularmente para condições climáticas extremas". Em um mundo cada vez mais dominado por padrões climáticos imprevisíveis, eles afirmam que previsões de curto prazo serão cruciais. para "gerenciamento de crises e redução de perdas com vida e propriedades".

  


    
    
      
        

      
    
    
  
  
    
      
        

O trabalho do Google usou dados de radar para prever chuvas. A imagem superior mostra a localização da nuvem, enquanto a imagem inferior mostra a precipitação.
Crédito: NOAA NWS NSSL
      
    

  

A maior vantagem da abordagem do Google sobre as técnicas tradicionais de previsão é a velocidade. Os pesquisadores da empresa compararam seu trabalho a dois métodos existentes: previsões de fluxo óptico (OF), que analisam o movimento de fenômenos como nuvens e previsão de simulação, que cria simulações detalhadas baseadas em física de sistemas climáticos.

O problema com esses métodos mais antigos – particularmente a simulação baseada em física – é que eles são incrivelmente intensivos em computação. As simulações feitas por agências federais dos EUA para previsão do tempo, por exemplo, precisam processar até 100 terabytes de dados de estações meteorológicas todos os dias e levar horas para rodar em supercomputadores caros.

“Se demorar 6 horas para calcular uma previsão, isso permitirá apenas 3-4 execuções por dia e resultará em previsões baseadas em dados com mais de 6 horas, o que limita nosso conhecimento do que está acontecendo no momento ]Escreveu o engenheiro de software do Google Jason Hickey em uma postagem no blog.

Os métodos do Google, em comparação, produzem resultados em minutos, porque eles não tentam modelar sistemas climáticos complexos, mas fazem previsões sobre dados simples de radar como proxy para chuvas.

Os pesquisadores da empresa treinaram seu modelo de IA em dados históricos de radar coletados entre 2017 e 2019 nos EUA contíguos pela Administração Nacional Oceânica e Atmosférica (NOAA). Eles dizem que suas previsões foram tão boas quanto ou melhores que os três métodos existentes que fazem previsões com os mesmos dados, embora seu modelo tenha sido superado ao tentar fazer previsões com mais de seis horas de antecedência.

Este parece ser o ponto ideal para o aprendizado de máquina nas previsões do tempo agora: fazer previsões rápidas e de curto prazo, deixando previsões mais longas para modelos mais poderosos. Os modelos climáticos da NOAA, por exemplo, criam previsões com até 10 dias de antecedência.

Embora ainda não tenhamos visto todos os efeitos da IA ​​na previsão do tempo, muitas outras empresas também estão investigando essa mesma área, incluindo IBM e Monsanto . E, como os pesquisadores do Google apontam, essas técnicas de previsão só se tornarão mais importantes em nossas vidas diárias, pois sentimos os efeitos das mudanças climáticas.



Source link