Na era das mudanças climáticas, IA ajuda na previsão do tempo
Conforme as condições se tornam mais caóticas e as previsões mais difíceis, cientistas buscam auxílio na inteligência artificial
De inundações na Califórnia a temperaturas congelantes no Texas, 2023 já teve sua parcela de estranhezas climáticas. À medida que as mudanças no clima se intensificarem, eventos extremos, como ondas de calor, furacões e secas, se tornarão cada vez mais comuns.
Conforme as condições climáticas mudam, é essencial enxergar e se organizar para o que está por vir. Precisamos de previsões meteorológicas precisas em várias escalas de tempo, para nos preparar para desastres relacionados ao
conforme as condições climáticas mudam e se intensificam, mais difícil fica fazer a previsão do tempo.
clima, gerenciar o fornecimento de energia, planejar a agricultura, manter o transporte funcionando e muito mais.
No entanto, nos encontramos diante de um problema porque, conforme as condições climáticas mudam e se intensificam, se tornam ainda mais difíceis de prever. É por isso que os cientistas estão buscando cada vez mais ajuda da inteligência artificial para prever o clima.
Algumas das abordagens mais promissoras vêm da combinação de IA com o conhecimento científico já existente. Previsões mais precisas desempenham um papel importante no combate às mudanças climáticas, e é a isso que eu dedico meu trabalho como cientista de dados e cofundadora da Climate Change AI.
PREVISÃO IMEDIATA E PREVISÃO FUTURA
Nossas primeiras tentativas de prever o clima envolviam cálculos baseados nas leis da física, usando medições simples de temperatura e pressão barométrica. Agora, as previsões são feitas por supercomputadores que processam grandes quantidades de dados coletados de radares, satélites, balões meteorológicos, boias oceânicas e sensores no nível da superfície.
Só que a mudança climática torna mais difícil prever o futuro com base apenas em dados e padrões passados. Um estudo de 2021 descobriu que o aquecimento de apenas alguns graus Celsius poderia diminuir cerca de um dia de nossa janela de previsão confiável.
Algumas das abordagens mais promissoras vêm da combinação de IA com o conhecimento científico já existente.
É aqui que entra a inteligência artificial. Ela se destaca na identificação de padrões com grandes quantidades de dados e na previsão do que virá a seguir. A IA se destaca em “previsão imediata” (“nowcasting”), que é o termo usado pelos meteo- rologistas para o que está por vir nas próximas horas.
Por exemplo, a empresa de IA DeepMind construiu uma ferramenta de aprendizado profundo que superou os modelos existentes, baseados em física, na hora de realizar a previsão de chuva para a próxima hora e meia.
À medida que olhamos além do que vai acontecer esta tarde, os modelos tradicionais e os baseados em IA tornam-se menos confiáveis. Isso se aplica ainda mais às previsões subsazonais, aquelas que ocorrem em torno de 15 a 45 dias antes.
Algumas das abordagens mais promissoras para previsões subsazonais combinam o melhor dos dois mundos, misturando física e modelos baseados em IA. Uma dessas abordagens torna a previsão mais rápida e eficiente ao conectar componentes de IA a modelos existentes baseados em física, que geralmente exigem grandes quantidades de dados e poder de processamento.
A formação de nuvens, por exemplo, é muito mais complexa e difícil de modelar do que imaginamos. Mas a IA pode fornecer aproximações mais baratas para modelos de nuvem complicados e caros, que podem ser incorporadas aos sistemas existentes de previsão do tempo e do clima.
CLIMA E ENERGIA LIMPA
Outra abordagem é construir modelos de previsão de IA com limites e parâmetros baseados no que sabemos sobre como o clima funciona no mundo real. Faço algo semelhante em minha pesquisa, projetando algoritmos para integrar energia limpa na rede elétrica.
Embora a IA seja uma ótima ferramenta para essa tarefa, existem restrições físicas e de engenharia associadas ao funcionamento da rede elétrica que precisam ser incorporadas a qualquer modelo baseado em inteligência artificial.
A energia limpa é uma das muitas áreas em que a previsão acurada do tempo, especialmente a previsão subsazonal, é crucial.
A combinação de tecnologia e inteligência humana é a melhor forma de aproveitar a IA para nos ajudar a enfrentar os desafios futuros.
Um obstáculo importante para a incorporação de energia renovável na rede elétrica é que ela é vista como menos confiável do que as fontes de energia tradicionais, já que a produção de energia solar e eólica variam de acordo com o clima do dia.
Mas previsões mais precisas nos permitirão antever melhor o fornecimento de energia (o quanto podemos produzir) e a demanda (o quanto usaremos). Isso permitirá que fontes renováveis atendam de forma confiável às necessidades energéticas.
Melhores previsões também podem ajudar governos e comunidades a prever e se preparar para eventos climáticos extremos. Os agricultores podem adaptar as práticas de plantio e colheita para evitar inundações, secas, geadas e ondas de calor cada vez mais inesperadas.
As companhias marítimas e aéreas podem se planejar, com base no clima, para garantir transporte seguro. Da mesma forma, empresas podem gerenciar interrupções relacionadas ao clima em suas cadeias de suprimentos. E todos nós podemos planejar melhor viagens, atividades e encontros que dependem do bom tempo.
A combinação de tecnologia inovadora e inteligência humana é a melhor maneira de aproveitar a IA para nos ajudar a enfrentar os desafios do futuro, especialmente as mudanças climáticas.
Essa combinação é crucial para aprendermos a viver com um clima em mudança e tornarmos o inesperado um pouquinho mais previsível.
