Os especialistas confirmam: “a IA ainda tropeça ao prever a intensidade real dos furacões”
A inteligência artificial revolucionou a previsão do tempo em poucos anos, e os modelos meteorológicos globais baseados em IA podem gerar previsões que rivalizam com alguns dos melhores sistemas de previsão do mundo baseados na física.
O progresso na previsão meteorológica com a aplicação de IA deve-se a três fatores: a disponibilidade de enormes quantidades de dados meteorológicos, avanços significativos nos modelos de IA e uma capacidade de processamento sem precedentes. O debate concentra-se em aprimorar a IA para a previsão meteorológica por meio de novos modelos ou hardware, mas, para esses modelos, os dados são cruciais.
A inteligência artificial tem se beneficiado, em escala global, de décadas de registros meteorológicos que abrangem todo o planeta. Trata-se de conjuntos de dados que contêm milhões de exemplos de como as condições evoluem ao longo do tempo e em diferentes situações atmosféricas, o que permite aos modelos de IA aprender padrões de uma maneira que, há apenas uma década, teria sido impossível.
A escala regional das previsões meteorológicas
O mundo tem testemunhado uma rápida intensificação de um grande número de furacões, que passaram, em questão de horas, de tempestades relativamente fracas a furacões destrutivos. Um exemplo é o furacão Polo, que se intensificou rapidamente de tempestade tropical a furacão de categoria 5 em 24 horas, ao largo da costa do Pacífico mexicano, em 21 de setembro passado, com ventos de 290 km/h.
As previsões meteorológicas em escala global não são uniformes; no entanto, as previsões de intensidade de furacões costumam ser consideradas um problema de previsão regional relacionado a eventos extremos: chuvas torrenciais, tempestades severas ou rajadas violentas de vento.
Esses eventos extremos costumam se desenvolver de forma muito rápida ou se deslocar rapidamente em curtos períodos de tempo. O problema reside em capturar esse comportamento com modelos de IA, pois a detecção desses padrões exige dados com um nível de detalhamento muito superior ao que os conjuntos de dados globais atuais costumam fornecer.
Duas fontes de dados
As previsões com IA baseiam-se fundamentalmente em duas fontes de informação:
- Observações: diretas e detalhadas, mas que costumam se limitar a regiões costeiras e apresentam distribuição irregular, ao passo que muitas das etapas mais importantes do desenvolvimento dos furacões ocorrem em mar aberto, onde tais observações são escassas. Satélites modernos podem ajudar a suprir algumas dessas medições, mas não conseguem escanear simultaneamente toda a estrutura tridimensional de todos os furacões do planeta.
- Simulações de modelos meteorológicos: combinam condições atmosféricas e conhecimentos de física para fornecer a imagem tridimensional mais completa da atmosfera em alta resolução. Esses dados simulados também não são perfeitos, pois todos os modelos computacionais contêm aproximações e incertezas decorrentes do conhecimento incompleto da atmosfera terrestre, e existem processos em pequena escala que as simulações dos modelos não captam.
Consequentemente, não se dispõe atualmente de um conjunto de dados tridimensionais completo e de boa qualidade para treinar um modelo de IA para a previsão da intensidade de furacões.
Um problema adicional: o caos
Se, no futuro, os cientistas pudessem medir a totalidade de uma tempestade a cada segundo — abrangendo milhares de tempestades em todo o mundo —, é possível que a IA não conseguisse prever a intensidade de um furacão com total precisão. O motivo seria o caos, ou seja, pequenas diferenças no estado inicial de um furacão que podem crescer rapidamente com o passar do tempo.
A intensidade de um furacão pode aumentar devido às águas quentes do oceano, ou seu desenvolvimento pode ser retardado pelo cisalhamento do vento. Se a temperatura do oceano aumenta, a intensidade potencial do furacão também aumenta, e qualquer pequena perturbação provocará flutuações na intensidade do furacão. Assim, quanto mais quente estiver a superfície do oceano, maiores serão as flutuações.
Essas flutuações não são apenas aleatórias; ocorrem dentro do que se conhece como um atrator caótico — um conjunto de possíveis estados de tempestade nos quais o furacão pode evoluir de forma imprevisível, apresentando um dilema fundamental para o treinamento de modelos de IA.
Objetivos dos modelos de IA
Os cientistas buscam que os modelos de IA façam previsões o mais precisas possível; portanto, o objetivo durante o treinamento é minimizar a diferença entre a previsão e o que realmente acontece, até que o modelo de IA alcance o menor erro possível.
Busca-se também que o modelo de IA capture o caos intrínseco do furacão. No entanto, se um modelo de IA conseguir capturar esse caos, seu erro não poderá ser reduzido indefinidamente.
Além disso, visto que os dados sempre apresentam certa incerteza, as regras aprendidas por um modelo de IA são apenas aproximadas. Portanto, a precisão das previsões sobre a intensidade dos furacões piorará em apenas alguns dias.
Como as previsões de furacões podem ser melhoradas?
O desafio para os modelos de IA não se limita a obter mais dados, desenvolver melhores redes neurais ou implementar computadores mais rápidos, mas sim a compreender o comportamento dos furacões e como surge a variabilidade em sua intensidade.
Ambos os fatores determinam se os modelos de IA conseguem aprender o que é previsível e o que é imprevisível. Essa distinção limita a precisão das nossas atuais previsões de intensidade de furacões e definirá a próxima geração de sistemas de previsão e avaliação meteorológica, que deveriam concentrar-se em uma faixa de possíveis intensidades de furacões e probabilidades de ocorrência, em vez de um único valor numérico.