Como a Inteligência Artificial Está a Transformar a Previsão do Tempo

A forma como prevemos o tempo está a mudar rapidamente, e a inteligência artificial encontra-se mesmo no centro dessa transformação. Modelos desenvolvidos por laboratórios de investigação já conseguem rivalizar, e em muitos casos superar, os sistemas meteorológicos tradicionais. Neste artigo, explicamos de forma simples como funcionam estes modelos e o que os torna tão promissores para o futuro da meteorologia.

O que é o GenCast

Segundo a Google DeepMind, o GenCast é um modelo de inteligência artificial de conjunto e de alta resolução, com uma resolução de 0,25 graus. Trata-se de um modelo de difusão adaptado à geometria esférica da Terra, capaz de gerar vários cenários possíveis para o tempo futuro, em vez de apresentar uma única previsão. Esta abordagem permite representar melhor a incerteza natural associada à meteorologia.

Previsões até 15 dias

De acordo com a DeepMind, o GenCast consegue produzir previsões até 15 dias de antecedência. Em vez de oferecer um único resultado, gera um conjunto de possibilidades, o que ajuda a estimar a probabilidade de diferentes desfechos. Esta capacidade é particularmente útil para planear com antecedência e para avaliar riscos, sobretudo quando existem condições meteorológicas potencialmente perigosas no horizonte.

Treinado com décadas de dados

Segundo a DeepMind, o modelo foi treinado com quatro décadas de dados meteorológicos históricos provenientes do arquivo de reanálise conhecido como ERA5. A partir destes dados, que incluem variáveis como a temperatura, a velocidade do vento e a pressão, o sistema aprendeu diretamente os padrões do tempo à escala global, sem depender das equações físicas usadas nos métodos mais tradicionais.

Mais preciso que os modelos tradicionais

De acordo com a DeepMind, o GenCast revelou-se mais preciso do que o sistema de conjunto do Centro Europeu de Previsões Meteorológicas a Médio Prazo em 97,2 por cento dos casos analisados, num total de 1320 combinações de teste. Para prazos superiores a 36 horas, essa vantagem subiu para 99,8 por cento. Estes números sugerem um avanço notável face às ferramentas amplamente utilizadas até agora.

Melhor a prever fenómenos extremos

Segundo a DeepMind, o GenCast demonstrou ainda um melhor desempenho na previsão de fenómenos extremos, como ondas de calor e ciclones. Prever este tipo de eventos com antecedência é essencial para proteger populações e infraestruturas. Ter modelos capazes de antecipar situações perigosas de forma mais fiável pode, na prática, contribuir para salvar vidas e reduzir prejuízos materiais significativos.

Rapidez impressionante

Um dos aspetos mais surpreendentes é a rapidez. De acordo com a DeepMind, um único processador especializado na nuvem consegue produzir uma previsão de 15 dias em cerca de 8 minutos, gerando em paralelo todos os cenários do conjunto. Em contraste, os modelos tradicionais podem exigir horas de cálculo em supercomputadores equipados com dezenas de milhares de processadores para tarefas semelhantes.

O antecessor GraphCast

Antes do GenCast, a mesma equipa apresentou o GraphCast. Segundo relatos, este modelo produz previsões até 10 dias e mostrou-se mais rápido e mais preciso do que o sistema determinístico de alta resolução do Centro Europeu em cerca de 90 por cento dos casos avaliados. Ainda segundo esses relatos, uma previsão global de 10 dias pode ser gerada em aproximadamente 60 segundos numa única máquina.

Como funciona um modelo de difusão

Para compreender estes avanços, ajuda perceber a ideia por trás de um modelo de difusão. De forma simplificada, este tipo de sistema aprende a transformar ruído aleatório em cenários coerentes e realistas, guiado pelos dados que recebe. Aplicado ao tempo, o modelo parte do estado atual da atmosfera e gera múltiplas evoluções plausíveis, refletindo as diferentes formas como a situação pode desenrolar-se.

Limitações a ter em conta

Apesar do entusiasmo, convém manter alguma cautela. A própria DeepMind reconhece que o tempo não pode ser previsto de forma perfeita e que as previsões são especialmente incertas para além de alguns dias. Além disso, segundo relatos, os modelos de inteligência artificial ainda tendem a ter mais dificuldade com eventos extremos sem precedentes e com previsões muito localizadas e de pequena escala.

Porque é que isto importa

A importância destes progressos vai muito além da simples curiosidade científica. Previsões mais rápidas, mais baratas e potencialmente mais precisas podem melhorar o planeamento em setores como a agricultura, a energia, os transportes e a proteção civil. Sobretudo, avisos mais fiáveis sobre fenómenos extremos permitem às autoridades e às populações prepararem-se melhor perante tempestades, cheias ou ondas de calor.

O futuro da meteorologia

Em resumo, a inteligência artificial está a abrir um novo capítulo na história da previsão do tempo. Ferramentas como o GenCast e o GraphCast mostram que é possível combinar rapidez e precisão de uma forma que parecia impensável há poucos anos. À medida que estes modelos continuam a evoluir, é provável que passem a complementar, e em alguns casos a reforçar, os sistemas meteorológicos em que confiamos todos os dias.