IA do Google supera métodos convencionais na medição do clima

A IA da Google revoluciona a monitorização climática, superando abordagens convencionais e estabelecendo um novo padrão de precisão
IA do Google supera métodos convencionais na medição do clima / Reprodução: Internet

A divisão Google DeepMind, que faz parte da Google desde abril de 2023, apresentou recentemente o GraphCast, um avançado modelo de IA voltado para previsão meteorológica. Este inovador sistema promete elevar os padrões de precisão na previsão do tempo, conforme detalhado em um artigo científico publicado na revista Science, na terça-feira, dia 14. Com sua capacidade de superar as atuais ferramentas de previsão, o GraphCast representa um marco significativo no campo da meteorologia, oferecendo uma perspectiva revolucionária para a precisão das previsões climáticas. Sua introdução marca um avanço notável na capacidade de monitorar e compreender as condições climáticas com maior acurácia e confiabilidade.

A previsão meteorológica desempenha um papel de suma importância, influenciando desde as atividades diárias até a mitigação de riscos naturais. Tradicionalmente, a tarefa de previsão é conduzida por meio da Previsão Numérica do Tempo (NWP), que se apoia em modelos matemáticos fundamentados nos princípios da Física, utilizando dados coletados de satélites, estações climáticas e boias. Apesar de eficazes, esses métodos são dispendiosos e requerem vastos recursos de processamento. Para contornar essas restrições, empresas como Nvidia e Huawei estão investindo na criação de sistemas baseados em inteligência artificial (IA) para previsão do tempo, que são treinados com vastos conjuntos de dados históricos sobre condições climáticas. De acordo com Jacob Radford, um especialista entrevistado pela renomada revista Nature, os modelos de previsão meteorológica fundamentados em IA demonstraram ser até 10.000 vezes mais rápidos do que os modelos tradicionais, apresentando uma notável aceleração na precisão das previsões climáticas. Este avanço promissor na convergência da IA e da meteorologia está revolucionando a maneira como antecipamos e respondemos às condições meteorológicas em constante mudança.

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 GraphCast representa o clímax de um desses avanços notáveis. Este modelo utiliza extensos dados climáticos coletados no período de 1979 a 2017 para aprimorar sua habilidade de estabelecer correlações entre diversos parâmetros, como pressão atmosférica, direção do vento, temperatura e umidade. Operando com uma notável resolução de 0,25 graus de latitude/longitude, o GraphCast abrange uma vasta rede de mais de um milhão de pontos em toda a superfície terrestre. O modelo se baseia em duas entradas fundamentais: as condições meteorológicas atuais e aquelas registradas seis horas atrás, gerando previsões precisas para as próximas seis horas. Este processo pode ser repetido de forma sucessiva, proporcionando a capacidade de realizar previsões climáticas com alcance de até dez dias, representando uma evolução significativa na previsão do tempo com a ajuda da IA.

De acordo com informações publicadas na renomada revista Science, o GraphCast alcançou um notável índice de superioridade em 90% das 1.380 avaliações realizadas, destacando-se por sua capacidade eficaz até mesmo na antecipação de fenômenos climáticos extremos, como ciclones tropicais e picos de temperatura, tanto quentes quanto frios. Importante ressaltar que, apesar da impressionante eficiência demonstrada, os cientistas da equipe Google DeepMind enfatizam que o GraphCast não visa substituir, mas sim complementar e aperfeiçoar os métodos de previsão meteorológica tradicionais, promovendo uma abordagem integrada e mais precisa para a compreensão e antecipação das complexidades do clima. Esta abordagem sinérgica promete um futuro promissor no campo da meteorologia, beneficiando a sociedade com previsões mais confiáveis e oportunas.

Leia mais:

Assine nossas notícias para receber todas as novidades do mundo cripto!

Notícias

Deixe seu Comentário