Todas as variáveis climáticas envolvidas já tornam o tempo algo difícil de prever, mas isso piora quando o assunto são eventos climáticos extremos, como as chuvas intensas, ondas de calor ou os tornados (que nesse fim de semana já matou quatro pessoas e deixou pelo menos cem feridos). Com isso em mente, o Google desenvolveu uma ferramenta para tentar enfrentar esse tipo de problema: um modelo de IA que pode prever catástrofes climáticas.
O modelo batizado de Scalable Ensemble Envelope Diffusion Sampler (algo como Amostrador de Difusão de Envelope de Conjunto Escalável), é um modelo de IA generativo similar ao ChatGPT. Você abastece o modelo com dados e depois solicita respostas utilizando os prompts.
O modelo do Google funciona de forma semelhante. O SEEDs (acrônimo do nome em inglês, que faz um trocadilho com a palavra semente), produz a previsão do tempo, utilizando um conjunto de dados coletados por diversas agências meteorológicas.
Mas SEEDs se diferencia dos modelos tradicionais de previsão pela sua rapidez e pela capacidade de analisar diversos dados e conjuntos de previsões de uma só vez.
Os modelos de previsão tradicionais que são utilizados hoje em dia utilizam de dois tipos de dados para estipular como será o tempo nos próximos dias. O primeiro e mais tradicional são os dados atmosféricos físicos (como umidade, precipitação, vento, e etc), com informações coletadas por satélites, e outros tipos de instrumentos meteorológicos no mundo inteiro.
Esses dados fornecem várias simulações possíveis, que, após analisadas, chegam a uma espécie de previsão final. Ou seja, a previsão final que chega para a gente é uma média de várias previsões diferentes.
Junto com isso, os modelos climáticos também utilizam modelos de previsão determinísticos e probabilísticos. Aqui, variáveis aleatórias são introduzidas nas condições iniciais para tentar calcular a probabilidade de determinado evento ou tempo acontecer.
Mas o modelo do Google consegue utilizar os dados coletados para criar mais amostras, e assim elaborar modelos de previsão mais precisos.
“Nossa abordagem generativa altamente escalável permite a criação de conjuntos muito grandes que podem caracterizar eventos muito raros fornecendo amostras de estados meteorológicos que excedem um determinado limite para qualquer diagnóstico definido pelo usuário”, informa o Google no comunicado à imprensa.
O modelo foi utilizado como teste no ano passado, com a onda de calor europeia. Os resultados foram publicados no final de março deste ano, na Science Advances.
O evento observado era tão improvável, que sete dias antes, nenhum dos 31 membros do conjunto operacional conseguiu prever as temperaturas próximas à superfície tão quentes quanto as observadas.
Mas, o modelo da tecnologia SEEDs do Google foi capaz de estipular a probabilidade de tal fenômeno acontecer, com uma cobertura estatística muito melhor do evento. Isso permitiu tanto quantificar a probabilidade de o evento ocorrer quanto amostrar regimes climáticos nos quais ele ocorreria.
Fonte: abril
