07 de dez 2024
Google DeepMind apresenta GenCast, modelo de previsão do tempo que supera concorrentes tradicionais
O GenCast, da Google DeepMind, superou o modelo ENS em 97,2% dos testes. O modelo oferece previsões mais precisas para ciclones e eventos extremos. GenCast foi testado com dados de 2019, enquanto ENS agora opera em maior resolução. A pesquisa foi publicada na revista Nature e o código é open source para meteorologistas. GenCast gera previsões em oito minutos, enquanto modelos tradicionais levam horas.
"As pessoas se abrigam sob guarda-chuvas do vento e da chuva enquanto atravessam uma rua perto da estação de trem Shinjuku em 12 de outubro de 2019 em Tóquio, Japão, antes da esperada chegada do tufão Hagibis mais tarde naquela noite. (Foto: Carl Court/Getty Images)"
Um novo modelo de previsão do tempo, chamado GenCast, desenvolvido pela Google DeepMind, demonstrou ser suficientemente preciso para competir com os métodos tradicionais de meteorologia. Em testes realizados com dados de 2019, o GenCast superou o modelo ENS, um dos mais respeitados do mundo, em 97,2% das vezes, conforme pesquisa publicada na revista Nature. Embora a inteligência artificial não substitua a previsão tradicional em breve, ela pode complementar as ferramentas disponíveis para prever o clima e alertar sobre tempestades severas.
O GenCast é um modelo de aprendizado de máquina treinado com dados meteorológicos de 1979 a 2018, aprendendo a identificar padrões históricos para fazer previsões futuras. Diferente do ENS, que utiliza supercomputadores para resolver complexas equações atmosféricas, o GenCast opera com uma resolução de 0,25 graus, enquanto o ENS já estava em 0,2 graus em 2019 e agora opera em 0,1 grau. Essa diferença de resolução pode impactar a precisão das previsões, mas mesmo assim, o GenCast conseguiu resultados superiores.
Além disso, o GenCast oferece um tempo de resposta mais rápido, produzindo uma previsão de 15 dias em apenas oito minutos, em comparação com várias horas necessárias para modelos baseados em física. Essa eficiência pode ajudar a mitigar preocupações sobre o impacto ambiental dos centros de dados de IA, embora ainda não se saiba o quanto de energia é consumido durante o treinamento do modelo. O desenvolvimento do GenCast é considerado um marco na evolução da previsão do tempo, com o ECMWF também explorando sistemas de aprendizado de máquina inspirados no modelo.
Apesar do potencial do GenCast, a comunidade meteorológica permanece cética. Especialistas, como Stephen Mullens, professor de meteorologia, destacam que a IA ainda precisa se provar em um campo que tradicionalmente se baseia em princípios físicos. O código do GenCast foi disponibilizado como um modelo de código aberto, permitindo que meteorologistas testem suas capacidades. Ilan Price, cientista sênior da DeepMind, acredita que a integração de modelos de IA com previsões tradicionais pode aumentar a confiança e o impacto social das previsões meteorológicas.
Os comentários não representam a opinião do Portal Tela;
a responsabilidade é do autor da mensagem.
