GraphCast: nova IA do Google supera sistemas atuais de previsão do tempo

Google DeepMind usou dados climáticos de mais de três décadas para treinar modelo. Em testes, ele superou sistemas atuais em 90% das vezes.

Giovanni Santa Rosa
Por
Nuvem se formando sobre plantação
GraphCast dá previsão do tempo para até dez dias, incluindo eventos extremos (Imagem: NOAA/Unsplash)

A previsão do tempo é importante desde seus aspectos mais cotidianos, como saber se você vai precisar de um guarda-chuva, até os mais graves, como se preparar para desastres. Um novo modelo de inteligência artificial da Google DeepMind, chamado GraphCast, promete superar a precisão de ferramentas usadas atualmente.

O modelo foi descrito em um artigo publicado nesta terça-feira (14), na revista Science. Além de preciso, ele não precisa de muitos recursos, sendo mais rápido que os modelos atuais mesmo quando usado em computadores menos potentes.

Modelos tradicionais de previsão do tempo são caros

Tradicionalmente, a previsão do tempo é feita usando um método conhecido como previsão numérica do tempo (NWP, na sigla em inglês). Ele usa modelos matemáticos baseados em princípios da Física, recorrendo a dados de satélites, estações climáticas e boias.

Apesar de ter uma boa previsão sobre como o calor, o ar e o vapor d’água se movem, eles são caros e precisam de muito poder de processamento, o que eleva os custos de infraestrutura e energia.

Para contornar isso, empresas como Nvidia e Huawei começaram a desenvolver sistemas de inteligência artificial para previsão do tempo. Eles são treinados usando dados históricos sobre condições climáticas.

Segundo o especialista Jacob Radford, ouvido pela revista Nature, modelos de previsão do tempo baseados em inteligência artificial são de 1.000 a 10.000 vezes mais rápidos que os convencionais, de previsão numérica do tempo.

GraphCast usa dados históricos e mais aspectos

É aí que entra o GraphCast. Ele foi desenvolvido pela DeepMind, em Londres. Ela era um laboratório de inteligência artificial que, apesar de ser do Google, tinha certa independência. Em abril de 2023, a DeepMind passou a ser uma divisão do Google.

Pesquisadores usaram dados climáticos de 1979 a 2017 para treinar o GraphCast. Com isso, ele foi capaz de criar correlações com outros aspectos, como pressão atmosférica, vento, temperatura e umidade.

O GraphCast também tem alta resolução, funcionando com pontos de 0,25 graus de latitude/longitude. Assim, são mais de um milhão de pontos abrangendo a superfície de todo o planeta.

Novo modelo supera os atuais, mas não deve substituí-los

O modelo da Google DeepMind usa apenas duas entradas: como o tempo está agora e como ele estava há seis horas. Assim, ele faz uma previsão para daqui a seis horas.

Esse processo pode ser repetido, usando o tempo atual e a previsão para daqui a seis horas para chegar a 12 horas; a de seis e 12 horas para chegar a 18 horas; e assim sucessivamente. Dessa forma, ele antecipa até dez dias de condições climáticas.

Grafico mostrando três fases: a) dados climáticos atuais b) previsão futura c) previsões futuras incrementais
GraphCast usa previsões futuras para antecipar o tempo de dez dias (Imagem: Divulgação/Google DeepMind)

E isso funciona. Segundo o artigo da Science, o GraphCast superou os modelos atuais mais avançados em 90% de 1.380 verificações.

Além de apontar a previsão do tempo mais simples, o modelo da Google DeepMind também é capaz de antecipar eventos extremos, como a trajetória de ciclones tropicais, ondas de calor e de frio.

Mesmo assim, os pesquisadores dizem que o GraphCast não vai substituir os métodos tradicionais. “Nosso trabalho deve ser interpretado como uma evidência de que [a previsão do tempo usando aprendizagem de máquina] é capaz de enfrentar os desafios da previsão do tempo no mundo real, com potencial para complementar e aperfeiçoar os melhores métodos atuais.”

Com informações: Gizmodo, TechCrunch, Nature, Science, Google DeepMind

Relacionados