Modelos de Inteligência Artificial aprimoram previsões de trajetórias de furacões

A inteligência artificial está mudando rapidamente a forma como os meteorologistas preveem as trajetórias dos furacões no Atlântico. Durante a temporada de furacões mais recente, modelos baseados em IA superaram com sucesso os métodos de previsão tradicionais ao determinar a trajetória das tempestades. Essas novas ferramentas estão sendo usadas agora por especialistas para fornecer informações mais precisas ao público. A previsão do tempo tradicional baseia-se em equações físicas complexas que levam em conta condições atmosféricas como o cisalhamento do vento. Os meteorologistas coletam dados de satélites e aeronaves para alimentar essas equações, que então calculam a trajetória e a força potenciais de uma tempestade. Este método tem sido o padrão há décadas, fornecendo uma base confiável para o planejamento de emergências. Em contraste, os modelos de IA funcionam analisando dados históricos de milhares de tempestades passadas. Ao identificar padrões neste enorme conjunto de dados, o software consegue prever para onde uma tempestade pode viajar com base em registros atmosféricos atuais. O meteorologista Michael Lowry observa que esses modelos não dependem das leis da física para fazer suas previsões. Apesar do seu sucesso no rastreamento, os modelos de IA mostraram limitações em outras áreas. Por exemplo, alguns modelos tiveram dificuldades em prever com precisão a intensidade ou a força de uma tempestade em comparação aos métodos tradicionais. Por causa disso, os especialistas atualmente usam uma mistura de modelos de IA e baseados em física para criar previsões oficiais. Dois sistemas de IA específicos emergiram como os mais precisos em testes atuais. Estes incluem modelos desenvolvidos pelo Google DeepMind e pelo Centro Europeu de Previsões Meteorológicas de Médio Prazo, sediado no Reino Unido. O Centro Nacional de Furacões começou a incorporar o modelo do Google DeepMind em suas previsões oficiais no ano passado. Nem todas as ferramentas meteorológicas de IA são igualmente eficazes, no entanto. Lowry alerta que existem muitos modelos não comprovados atualmente disponíveis que não demonstraram o mesmo nível de confiabilidade. Ele enfatiza a importância de usar apenas os sistemas que foram rigorosamente testados e validados por profissionais. Os ciclos de feedback são uma parte crítica do processo de desenvolvimento dessas tecnologias. A equipe liderada pelo funcionário do Centro Nacional de Furacões, Michael Brennan, fornece dados regulares ao Google DeepMind para ajudar a refinar seu modelo. Essa colaboração ajuda os desenvolvedores a corrigir erros específicos e melhorar a precisão de futuras previsões. Uma das vantagens mais significativas da IA é a velocidade do seu ciclo de desenvolvimento. Enquanto os modelos meteorológicos tradicionais são normalmente atualizados apenas uma vez por ano, os sistemas de IA podem receber melhorias em questão de semanas ou meses. Isso permite avanços rápidos na habilidade de previsão que, anteriormente, levariam uma década para serem alcançados. Apesar desses ganhos, os especialistas permanecem cautelosos quanto a depender exclusivamente do aprendizado de máquina. Os modelos podem, às vezes, mostrar mudanças drásticas em suas previsões de uma atualização para a próxima, o que pode complicar a tomada de decisões para os gestores de emergências. Manter um processo de supervisão humana permanece essencial para interpretar esses resultados. Olhando para o futuro, espera-se que a integração da IA continue a evoluir. Os meteorologistas acreditam que o futuro da previsão meteorológica envolverá uma combinação de várias tecnologias, em vez de uma solução única. À medida que essas ferramentas se tornam mais sofisticadas, elas provavelmente desempenharão um papel ainda maior na proteção das comunidades contra eventos climáticos extremos.