O futuro da previsão do tempo: IA do Google supera ferramentas tradicionais que aferem o clima

A Google DeepMind, divisão do Google desde abril de 2023, desenvolveu um modelo inovador de inteligência artificial para previsão do tempo, denominado GraphCast. Este modelo, que promete superar a precisão das ferramentas atuais de previsão, foi detalhado em um artigo publicado na revista Science na última terça-feira, 14.

A previsão do tempo desempenha um papel crucial, desde a preparação para o dia-a-dia até a antecipação de desastres naturais. Tradicionalmente, essa tarefa é realizada através da previsão numérica do tempo (NWP), que se baseia em modelos matemáticos fundamentados em princípios da Física e utiliza dados coletados de satélites, estações climáticas e boias. Embora eficazes, esses métodos são onerosos e demandam extenso poder de processamento.

Para superar essas limitações, empresas como Nvidia e Huawei estão investindo no desenvolvimento de sistemas baseados em inteligência artificial para previsão do tempo, treinados com dados históricos sobre condições climáticas. Segundo Jacob Radford, especialista entrevistado pela revista Nature, os modelos de previsão do tempo baseados em IA são de 1.000 a 10.000 vezes mais rápidos que os modelos convencionais.

O GraphCast é o ato final de um desses avanços. O modelo utiliza dados climáticos coletados de 1979 a 2017 para treinar sua capacidade de correlacionar diferentes aspectos, como pressão atmosférica, vento, temperatura e umidade. Com uma alta resolução de 0,25 graus de latitude/longitude, o GraphCast abrange mais de um milhão de pontos em toda a superfície terrestre.

O modelo opera com duas entradas principais: as condições climáticas atuais e as de seis horas atrás, produzindo previsões para as próximas seis horas. Esse processo pode ser repetido sucessivamente, permitindo previsões climáticas de até dez dias.

Segundo a Science, o GraphCast superou os modelos atuais em 90% de 1.380 verificações, mostrando-se eficaz até mesmo na antecipação de eventos climáticos extremos, como ciclones tropicais e ondas de calor ou frio.

Apesar de sua eficiência, os pesquisadores da Google DeepMind esclarecem que o GraphCast não visa substituir os métodos tradicionais, mas sim complementá-los e aprimorá-los.