Aurora, a IA da Microsoft, prevê poluição do ar e clima com uma previsão rápida de 10 dias

O modelo de inteligência artificial (IA) da Microsoft, a Aurora, surge como pioneiro na previsão da poluição atmosférica global.

Desenvolvidos pela equipe Microsoft Research AI for Science em Amsterdã, os recursos de previsão rápida do Aurora anunciam uma nova era no monitoramento ambiental. Esta inovação oferece precisão e velocidade sem precedentes na previsão dos níveis de poluição, remodelando a nossa abordagem para resolver problemas de qualidade do ar em todo o mundo.

Revolucionário modelo de IA da Microsoft

O modelo Aurora AI representa um avanço significativo na química atmosférica e no aprendizado de máquina, de acordo com Matthew Chantry, pesquisador de aprendizado de máquina do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF).

A previsão meteorológica tradicional baseia-se em modelos matemáticos de processos atmosféricos, terrestres e marinhos. Embora o aprendizado de máquina já tenha sido integrado a esses modelos para prever a poluição do ar, o Aurora AI se destaca como o primeiro modelo totalmente alimentado por IA a conseguir isso em escala global.

A complexidade de prever a poluição atmosférica é muito maior do que a de prever o tempo, segundo Chantry.

Chantry destaca a eficiência de modelos de IA como o Aurora, que requerem menos poder de computação do que os modelos tradicionais. Essa eficiência permite previsões mais rápidas e econômicas.

As capacidades do Aurora AI são impressionantes: prevê os níveis de seis principais poluentes atmosféricos (incluindo monóxido de carbono, óxidos de nitrogênio, dióxido de enxofre, ozônio e partículas) em todo o mundo em menos de um minuto. E fornece previsões de cinco dias com custos computacionais significativamente mais baixos em comparação com modelos convencionais utilizados pelo Serviço de Monitoramento da Atmosfera Copernicus.

Treinando o modelo Aurora AI

O treinamento do Aurora AI foi um processo extenso que envolveu mais de um milhão de horas de dados de seis modelos meteorológicos e climáticos diferentes. Este conjunto de dados diversificado e abrangente permitiu à equipe refinar as capacidades preditivas do Aurora para o clima e a poluição do ar. Ao integrar essas fontes de dados, os pesquisadores garantiram que o Aurora pudesse lidar com vários problemas de previsão atmosférica, incluindo aqueles com dados de treinamento limitados e eventos extremos.

O treinamento do Aurora se concentrou na produção de previsões operacionais para a poluição atmosférica global e padrões climáticos de alta resolução. Após a fase inicial de formação, a equipe aperfeiçoou o modelo para melhorar a sua precisão na previsão da poluição e do clima globais. O resultado é um modelo que pode gerar previsões de poluição atmosférica de cinco dias e previsões meteorológicas globais de dez dias com notável precisão e eficiência.

A qualidade das previsões da Aurora rivaliza com a dos modelos convencionais, o que é crucial para os decisores políticos monitorarem a poluição atmosférica para mitigar riscos para a saúde, como asma, doenças cardíacas e demência. Embora as comparações com outros modelos de IA, como o GraphCast, ainda sejam preliminares, o Aurora mostrou potencial para superar determinadas tarefas.

Pesquisas adicionais ajudarão a determinar se modelos fundamentais de IA como o Aurora, treinados em diversos conjuntos de dados, superam aqueles treinados em conjuntos de dados únicos.

Referência da notícia:
Wong, C. “Superfast Microsoft AI is first to predict air pollution for the whole world”. Nature, 2024.