Tempestades sobre a Indonésia, vistas da estação espacial internacional
NASA Earth Observatory / Worldwide Area Station (ISS)
Um programa climático da IA em execução para um único segundo em um desktop pode corresponder à precisão das previsões tradicionais que levam horas ou dias a poderosos supercomputadores, reivindicar seus criadores.
A previsão do tempo tem, desde a década de 1950, confiou em modelos baseados em física que extrapolam de observações feitas usando satélites, balões e estações meteorológicas. Mas esses cálculos, conhecidos como previsão climática numérica (NWP), são extremamente intensivos e dependem de supercomputadores vastos, caros e com fome de energia.
Nos últimos anos, os pesquisadores tentaram otimizar esse processo aplicando IA. Os cientistas do Google no ano passado criaram uma ferramenta de IA que poderia Substitua pequenos pedaços de código complexo Em cada célula de um modelo climático, cortando a energia do computador necessária drasticamente. DeepMind mais tarde levou isso ainda mais longe e usou ai Para substituir toda a previsão. Essa abordagem foi adotada pelo Centro Europeu de Previsões Meteorológicas de Mágio (ECMWF), que lançou uma ferramenta Chamado o sistema de previsão de inteligência synthetic no mês passado.
Mas essa expansão gradual do papel da IA na previsão do tempo ficou aquém da substituição de toda a crise tradicional de números-algo que um novo modelo criado por Richard Turner Na Universidade de Cambridge e seus colegas, buscam mudar.
Turner diz que o trabalho anterior foi limitado à previsão e passou por uma etapa chamada inicialização, onde dados de satélites, balões e estações meteorológicas em todo o mundo são coletados, limpos, manipulados e fundidos em uma grade organizada da qual a previsão pode começar. “Na verdade, isso é metade dos recursos computacionais”, diz Turner.
Os pesquisadores criaram um modelo chamado Aardvark Climate que, pela primeira vez, substitui os estágios de previsão e inicialização. Ele usa apenas 10 % dos dados de entrada que os sistemas existentes fazem, mas podem alcançar resultados comparáveis às previsões mais recentes do NWP, relatam Turner e seus colegas em um estudo que avalia seu método.
A geração de uma previsão completa, que levaria horas ou até dias em um poderoso supercomputador para uma previsão do NWP, pode ser feito em aproximadamente 1 segundo em um único computador de mesa usando a Aardvark.
No entanto, Aardvark está usando um modelo de grade da superfície da Terra com células que são de 1,5 graus quadrados, enquanto o modelo ERA5 do ECMWF usa uma grade com células tão pequeno quanto 0,3 graus. Isso significa que o modelo de Aardvark é muito grosseiro para captar padrões climáticos complexos e inesperados, diz David Schultz na Universidade de Manchester, Reino Unido.
“Há muitas coisas não resolvidas que podem explodir sua previsão”, diz Schultz. “Eles não estão representando os extremos. Eles não podem resolvê -lo nessa escala”.
Turner argumenta que a Aardvark pode realmente vencer alguns modelos existentes ao escolher eventos incomuns, como ciclones. Mas ele admite que os modelos de IA como ele também dependem inteiramente dos modelos baseados em física para treinamento. “Ele absolutamente não funciona se você retirar os dados de treinamento e usar os dados de observação para treinar”, diz ele. “Tentamos fazer isso e ficarmos completamente sem modelos, mas isso não funcionou.”
Ele acredita que o futuro da previsão do tempo pode ser cientistas que trabalham em modelos cada vez mais precisos baseados em física, que são usados para treinar modelos de IA que replicam sua saída mais rapidamente e com menos {hardware}. Alguns são ainda mais otimistas sobre as perspectivas da IA.
Nikita Gourionov Na Universidade de Oxford, acredita que, com o tempo, a IA poderá criar previsões meteorológicas que realmente superam a NWP. Estes serão treinados apenas em dados climáticos observacionais e históricos, criando previsões precisas totalmente independentes da PNW, diz ele. “É uma questão de escala, mas também uma questão de inteligência. Você precisa ser inteligente com a forma como alimenta os dados – e como estrutura a rede neural”.
Tópicos:
