Sistema de previsão meteorológica totalmente baseado em IA poderá dar início a uma revolução

Um novo sistema de previsão meteorológica com IA, o Aardvark Weather, pode fornecer previsões exatas dezenas de vezes mais rápidas e utilizando milhares de vezes menos poder de computação do que os atuais sistemas de previsão baseados na IA e na física, de acordo com uma investigação publicada  na revista Nature.

O Aardvark foi desenvolvido por investigadores da Universidade de Cambridge, com o apoio do Instituto Alan Turing, da Microsoft Research e do Centro Europeu de Previsão Meteorológica de Médio Alcance, fornecendo um modelo para uma abordagem completamente nova da previsão meteorológica, com potencial para transformar as práticas atuais.

As previsões meteorológicas em que as pessoas confiam são atualmente geradas através de um conjunto complexo de fases, cada uma das quais demora várias horas a ser executada em supercomputadores personalizados. Para além da utilização diária, o desenvolvimento, a manutenção e a implementação destes sistemas complexos requerem muito tempo e grandes equipas de especialistas.

Mais recentemente, a investigação da Huawei, da Google e da Microsoft demonstrou que um componente desta cadeia, o solucionador numérico (que calcula a forma como o tempo evolui ao longo do tempo), pode ser substituído pela IA, resultando em previsões mais rápidas e mais exatas. Esta combinação de IA e abordagens tradicionais está agora a ser utilizada pelo Centro Europeu de Previsões Meteorológicas a Médio Prazo.

Mas com o Aardvark, os investigadores substituíram toda a cadeia de previsão meteorológica por um modelo único e simples de aprendizagem automática. O novo modelo recebe observações de satélites, estações meteorológicas e outros sensores e produz previsões globais e locais. Esta abordagem totalmente baseada na IA significa que as previsões podem agora ser efetuadas em minutos num computador de secretária.

Ao utilizar apenas 10% dos dados de entrada dos sistemas existentes, a Aardvark já supera o sistema nacional de previsão GFS dos Estados Unidos em muitas variáveis e é também competitiva em relação às previsões do Serviço Meteorológico dos Estados Unidos, que utilizam dados de dezenas de modelos meteorológicos e análises efetuadas por meteorologistas humanos especializados.

Um dos aspetos mais interessantes do Aardvark é a sua flexibilidade e conceção simples. Como aprende diretamente a partir dos dados, pode ser rapidamente adaptado para produzir previsões personalizadas para indústrias ou locais específicos, quer se trate de prever temperaturas para a agricultura africana ou velocidades do vento para uma empresa de energias renováveis na Europa.

Isto contrasta com os sistemas tradicionais de previsão meteorológica, em que a criação de um sistema personalizado exige anos de trabalho de grandes equipas de investigadores.

Esta capacidade tem o potencial de transformar a previsão meteorológica nos países em desenvolvimento, onde o acesso aos conhecimentos especializados e aos recursos computacionais necessários para desenvolver sistemas convencionais não está normalmente disponível.

O Professor Richard Turner, Investigador Principal para a Previsão Meteorológica no Instituto Alan Turing e Professor de Aprendizagem Automática no Departamento de Engenharia da Universidade de Cambridge, afirma: “O Aardvark reimagina os atuais métodos de previsão meteorológica, oferecendo o potencial para tornar as previsões meteorológicas mais rápidas, mais baratas, mais flexíveis e mais precisas do que nunca, ajudando a transformar a previsão meteorológica tanto nos países desenvolvidos como nos países em desenvolvimento.”

“É importante salientar que o Aardvark não teria sido possível sem décadas de desenvolvimento de modelos físicos pela comunidade, e estamos particularmente gratos ao ECMWF pelo seu conjunto de dados ERA5, que é essencial para treinar o Aardvark.”

Anna Allen, autora principal da Universidade de Cambridge, afirma: “Estes resultados são apenas o início do que o Aardvark pode alcançar. Esta abordagem de aprendizagem de ponta a ponta pode ser facilmente aplicada a outros problemas de previsão meteorológica, por exemplo, furacões, incêndios florestais e tornados. Para além do clima, as suas aplicações estendem-se à previsão do sistema terrestre em geral, incluindo a qualidade do ar, a dinâmica dos oceanos e a previsão do gelo marinho”.

Matthew Chantry, responsável estratégico pela aprendizagem automática no ECMWF, afirma: “Estamos entusiasmados por colaborar neste projeto que explora a próxima geração de sistemas de previsão meteorológica – parte da nossa missão de desenvolver e fornecer previsões meteorológicas operacionais com IA, ao mesmo tempo que partilhamos abertamente os dados para beneficiar a ciência e a comunidade em geral. É essencial que o mundo académico e a indústria trabalhem em conjunto para enfrentar os desafios tecnológicos e tirar partido das novas oportunidades que a IA oferece. A abordagem da Aardvark combina a modularidade com a otimização da previsão de ponta a ponta, garantindo uma utilização eficaz dos conjuntos de dados disponíveis.”

Scott Hosking, Diretor de Ciência e Inovação para o Ambiente e Sustentabilidade no Alan Turing Institute, afirma: ”Libertar o potencial da IA transformará o processo de tomada de decisões para todos, desde os decisores políticos e planeadores de emergência até às indústrias que dependem de previsões meteorológicas precisas. O avanço da Aardvark não tem apenas a ver com velocidade, tem a ver com acesso. Ao transferir a previsão meteorológica dos supercomputadores para os computadores de secretária, podemos democratizar a previsão, disponibilizando estas tecnologias poderosas aos países em desenvolvimento e às regiões com escassez de dados em todo o mundo.”

Os próximos passos para o Aardvark incluem o desenvolvimento de uma nova equipa no Instituto Alan Turing liderada pelo Professor Richard Turner, explorando o potencial de implantação do Aardvark no sul global e integrando a tecnologia no trabalho mais vasto do Instituto para desenvolver previsões ambientais de alta precisão para o tempo, oceanos e gelo marinho.