As histórias sobre a capacidade aprimorada da inteligência artificial de prever condições climáticas extremas geralmente começam com furacões poderosos. Americano científico detalhado este ano, quando o furacão Lee estava se movendo pelo Oceano Atlântico em setembro passado, cientistas usando modelos meteorológicos tradicionais tiveram uma ideia clara de para onde o furacão iria apenas seis dias antes de seu desembarque no Canadá. Nove dias antes do desembarque, um sistema de modelagem de IA experimental chamado GraphCast previu esse resultado. Como William J. Broad escreveu recentemente no New York Timesquando o furacão Beryl passou pelo Caribe no início de julho, uma agência meteorológica europeia previu que a tempestade provavelmente atingiria o México, embora outros desembarques fossem possíveis. No mesmo dia da previsão da agência meteorológica europeia, o software de IA previu o desembarque no Texas, e quatro dias depois foi lá que o furacão atingiu.
Então a IA previu os caminhos corretos para certas tempestades antes de outros métodos. Mas antes de examinarmos o significado de tais realizações, ajuda ter um pouco de história sobre como a previsão do tempo mais tradicional e a IA funcionam.
Por décadas, obtivemos nossas previsões graças à previsão numérica do tempo. Satélites, estações meteorológicas e bóias coletam dados — como temperatura, umidade e outras variáveis — que são alimentados em supercomputadores gigantes. Os supercomputadores geram uma grade de cubos representando a atmosfera da Terra e empregam física para ver como os cubos interagem entre si. “Você não pode simplesmente simular a física da atmosfera diretamente, porque a atmosfera é muito complexa”, diz a cientista da computação e meteorologista Amy McGovern, da Universidade de Oklahoma. “Você está tentando simular o que está acontecendo em uma pequena área dela e, então, tenta descobrir como ela está interagindo com as outras áreas.”
Em resumo, os modelos são simulações da atmosfera que usam o clima atual para prever as condições atmosféricas no futuro. Mas esses modelos podem precisar rodar em supercomputadores gigantes por horas — fazendo quatrilhões de cálculos — antes que possam gerar uma previsão. Então, as previsões vão para um meteorologista que refina a previsão para uma área específica.
Embora a Sociedade Meteorológica Americana tenha começado a promover e avançar a inteligência artificial na década de 1980, seu uso realmente avançou nas últimas duas décadas ou mais de três maneiras principais. Primeiro, por mais de 20 anos, os meteorologistas fizeram algo chamado pós-processamento, onde eles pegam modelos numéricos de clima que estão errados e usam métodos de IA para melhorar as previsões. Em segundo lugar, nos últimos dez anos ou mais, especialistas desenvolveram modelos híbridos — onde pedaços de IA foram conectados a modelos numéricos de previsão de clima para acelerá-los.
Esses métodos que usam IA ainda incorporam física, mas a terceira grande revolução em IA que ganhou força nos últimos anos usa modelos baseados em dados que não incorporam física de forma alguma. Modelos de IA treinados em aproximadamente 40 anos de dados meteorológicos disponíveis gratuitamente usam os mesmos dados meteorológicos coletados que são alimentados em supercomputadores e criam previsões. Mas em vez de ter que fazer quatrilhões de cálculos para chegar a uma previsão, eles simplesmente procuram padrões nos dados. Por esse motivo, os modelos de IA podem ser executados em computadores modestos, até mesmo laptops comuns, e gerar previsões em segundos. E como as execuções levam quase nenhum tempo, a IA pode gerar milhares de previsões no tempo que um modelo meteorológico numérico leva para fazer uma, permitindo que os meteorologistas vejam uma gama maior de resultados possíveis.
Mas até que ponto os meteorologistas podem confiar nessas novas e rápidas previsões de IA sobre condições climáticas extremas?
McGovern, que lidera o Instituto de IA da NSF para Pesquisa em IA Confiável em Clima, Clima e Oceanografia Costeira (AI2ES) da Universidade de Oklahoma, é a pessoa perfeita para perguntar. Ela estuda IA e previsão do tempo há vinte anos.
Ao crescer, McGovern foi inspirada por Sally Ride, a primeira mulher americana a ir para o espaço, e queria ser astronauta. Conforme foi crescendo, ela se interessou por ciências da Terra — e também por maneiras de tornar os computadores mais inteligentes de uma forma que ajudasse as pessoas. Ela obteve seu bacharelado na Carnegie Mellon University e seu doutorado na University of Massachusetts Amherst em 2002 — ambos em ciência da computação. Quando a University of Oklahoma lhe ofereceu um emprego para se concentrar em IA e clima a partir de 2005, ela agarrou a oportunidade. Porque mesmo querendo deixar a Terra, ela sempre se interessou por ciências da Terra — e o emprego lhe permitiria cumprir seu objetivo de usar computadores para ajudar as pessoas. “O clima é uma aplicação onde podemos realmente salvar vidas e salvar propriedades”, diz ela. “E eu pensei, ‘Esta é uma combinação perfeita.'”
Para descobrir o que ela aprendeu nas últimas duas décadas sobre a promessa da IA de prever condições climáticas extremas, fizemos algumas perguntas a ela.
Como a IA mudará ou melhorará a previsão de eventos climáticos extremos, como tornados, tempestades de granizo ou furacões?
Os tornados e as tempestades de granizo são algo que estudei muito, e acho que a IA está sendo mais usada no sentido de pós-processamento ainda. No momento, o tempo médio de alerta em um tornado é de 15 minutos. Se você pudesse aumentar esse tempo de alerta para 30 ou 45 minutos (usando IA) e pudesse melhorar a resolução espacial para que houvesse uma zona de alerta, mas vou torná-la o mais estreita possível para que eu saiba que é exatamente onde o tornado está chegando, acho que você pode melhorar a salvação de vidas e propriedades. Definitivamente, temos alguns resultados promissores com IA que podem fazer isso para tornados e granizo.
Outro relacionado a isso será a iniciação convectiva, que é o início das tempestades. A iniciação convectiva importa para a previsão de turbulência para aviões. Eles têm radar de bordo, mas não está dando a eles uma ótima visão. Mas se eles soubessem onde uma tempestade estava prestes a se formar, eles poderiam evitar voar sobre uma área, e isso poderia ajudar com a turbulência.
Furacões são eventos de larga escala, então são um pouco mais fáceis de prever. E esses novos sistemas estão começando a prever para onde os furacões estão indo e quando eles vão se desenvolver. Eles não podem realmente fazer tornados agora porque são muito pequenos. Acho que esses sistemas mostram alguma promessa de serem capazes de nos dar mais dias de antecedência do que os sistemas atuais.
Um tornado perto de Anadarko, Oklahoma
Há coisas que a IA pode fazer melhor do que a previsão numérica do tempo?
Eu tinha dois alunos trabalhando em ideias semelhantes, um sobre a iniciação convectiva e outro sobre granizo. Eles estavam ingerindo em tempo real as observações que aconteceram nos últimos 30 minutos e então dando a você uma previsão em cerca de 30 segundos. Isso é muito legal. E é algo que a IA pode fazer que a previsão numérica do tempo simplesmente não vai conseguir fazer, porque não temos computadores capazes de fazer isso.
Existe o risco de a IA deixar de detectar eventos atípicos relacionados às mudanças climáticas porque está aprendendo com eventos que já aconteceram?
Aparentemente, sim, porque não tem as leis da física. Tudo está mudando tanto, então vai ser difícil prever. Quero dizer, como você prevê um evento de inundação que nunca viu? Se você tem alguma física aí, você pode pelo menos se dar alguma confiança nisso. Quero dizer, é difícil para eventos de previsão numérica do tempo preverem eventos que nunca viram também, mas eles podem.
Uma das coisas que eu já vi você dizer antes é que você quer criar uma IA que seja confiável. Você pode explicar o que quer dizer com isso?
É nisso que meu NSF AI Institute se concentra. Você viu nosso nome longo, NSF AI Institute for Trustworthy AI in Weather, Climate and Coastal Oceanography. Nós nos concentramos em entender o que significa confiar em um modelo de IA e o que significa para os meteorologistas confiarem ou desconfiarem dele. Muitas situações climáticas são situações de vida ou morte, nas quais você está tentando decidir o que fazer sobre evacuar ou dar um aviso ou algo assim. Um modelo confiável é aquele em que você confia para lhe dar a entrada adequada para tomar essa decisão.
Não é um que, no nosso caso, vai substituir os humanos. Ele está fornecendo informações para esses previsores humanos, mas eles confiam no que ele está dando a eles.
E já chegamos lá com a IA?
Há algumas previsões que estão em operação dentro da NOAA (National Oceanic and Atmospheric Administration), e então elas são claramente confiáveis. Estamos lá com tudo? Não.
Você mencionou a NOAA. Quem mais já está usando IA para prever eventos climáticos extremos?
A indústria privada também está usando IA. Nem todas vão lhe contar o que estão fazendo. Algumas das empresas menores estão simplesmente dizendo que estão usando IA, mas não lhe contam muito sobre isso. Ressalva a tudo isso, estou aconselhando em uma empresa da indústria privada que é uma startup agora, então sei o que eles estão fazendo. Sei que está acontecendo. Poucas pessoas estão falando sobre os métodos internos ainda.
E os europeuseles estão usando IA?
Eles têm um modelo chamado AIFS, que é a versão AI do IFS, Integrated Forecasting System. O AIFS é um modelo comparável ao modelo do Google e ao modelo da NVIDIA e todos esses outros, e acho que ele vai, a longo prazo, ser capaz de dar a vocês alguns bons avisos de furacões, exceto que eles os chamam de ciclones tropicais na Europa. E ondas de calor.
Quando as pessoas obtêm informações dos modelos de IA, elas as usam em combinação com informações dos modelos climáticos numéricos?
Sim. Não está sendo usado sozinho agora.
Você está trabalhando com certas instituições e faculdades em um certificado para IA. Você pode me contar um pouco sobre o que é isso e o que você espera alcançar com isso?
Isso faz parte do trabalho do AI2ES, que é o nosso NSF AI Institute. O certificado está sendo desenvolvido pelo Del Mar College, uma faculdade que atende hispânicos e minorias no sul do Texas. Eles ficam em Corpus Christi. Eles fizeram um protótipo. Eles tiveram vários alunos que já se formaram com ele. Estamos tentando atingir um público diferente e tentando levar a IA para mais pessoas, envolver mais pessoas na IA. Ao trabalhar com uma instituição que atende hispânicos e minorias, estamos atingindo um público diferente do que obtemos em nossas universidades típicas — e tentando ajudar a diversificar o campo da IA e da IA para o clima.
E também li que você está trabalhando com alunos do ensino fundamental e médio em IA
Isso também está sendo liderado pela Del Mar. Eles são incríveis. Eles têm um programa de extensão que eles fazem para alunos do K-12 para ensiná-los sobre codificação em geral, e então para ensinar-lhes alguns conceitos básicos de IA. Eu fui lá e vi o acampamento deles um ano. Eles estão fazendo um ótimo trabalho. Eles estão ensinando crianças a pilotar drones e ensinando-as a programar os drones, como programar seus pequenos robôs para correr e fazer tarefas diferentes, e apenas deixando as crianças animadas sobre as coisas que elas podem fazer com IA
Você acha que a previsão de IA algum dia substituirá os meteorologistas humanos?
Bem, “sempre” é um longo tempo para prever. Que tal os próximos cinco a dez anos?
Tudo bem. Isso parece bom.
Nos próximos cinco a dez anos, ainda precisaremos de meteorologistas humanos, porque ainda precisamos dessa expertise humana no topo das coisas. O conhecimento deles baseado em física ainda é muito importante. Muitas pessoas me perguntam: Vocês estão desenvolvendo coisas para substituir os meteorologistas? Não. Estamos desenvolvendo coisas para dar a eles mais opções para que possam se concentrar em transformar as previsões em informações acionáveis para que as pessoas tomem melhores decisões. Os humanos são muito melhores nisso do que a IA agora.
Esta entrevista foi editada por questões de tamanho e clareza.
Crédito completo da imagem: Ilustração de Emily Lankiewicz / Imagens ABI do satélite GOES-16 da NOAA – AWS S3 Explorer / NASA / Matthew Dominick
