• O programa de IA GraphCast da DeepMind previu corretamente a aterrissagem do furacão Beryl no Texas, superando os métodos tradicionais de previsão.
  • Essa tecnologia fornece previsões meteorológicas rápidas e precisas, potencialmente transformando as práticas globais de previsão do tempo.

NOSSA OPINIÃO
O sucesso dos modelos de IA como o GraphCast na previsão da trajetória do furacão Beryl ilustra avanços significativos na previsão meteorológica. Essa nova abordagem não apenas acelera os prazos de previsão, mas também melhora a precisão, oferecendo informações valiosas que poderiam melhorar a preparação e a resposta a desastres.
— Zoey Zhu, BTW reporter

O que aconteceu

Enquanto ofuracão Berylse aproximava do Caribe no início de julho, as agências meteorológicas europeias tradicionais previam possíveis aterrissagens no México com base em extensos dados globais e supercomputadores. No entanto, um modelo de IA desenvolvido pelaDeepMind, conhecido comoGraphCast, forneceu uma previsão alternativa de uma aterrissagem no Texas, baseando-se apenas em padrões atmosféricos aprendidos anteriormente.

Beryl atingiu o Texas com efeitos devastadores, causando inundações, cortes de energia e pelo menos 36 mortes em 8 de julho. As previsões precisas do modelo de IA, geradas em minutos, destacaram uma mudança para previsões meteorológicas mais rápidas e precisas. O GraphCast superou os modelos tradicionais do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF) ao prever a trajetória da tempestade com mais precisão.

Esse desempenho ressalta o potencial crescente da IA na previsão meteorológica, já que o GraphCast foi treinado em quatro décadas de dados meteorológicos e pode gerar previsões mais rapidamente do que os supercomputadores convencionais.

Leia também:TSMC eleva previsão de receita em aposta confiante no boom da IA

Leia também:IA previu o campeão da Premier League, mas foi apenas sorte?

Por que isso é importante

As previsões meteorológicas orientadas por IA representam uma mudança transformadora na meteorologia. As previsões tradicionais dependem de supercomputadores e grandes volumes de dados, o que pode ser demorado e menos adaptável a condições em rápida mudança. Em contraste, modelos de IA como o GraphCast oferecem previsões mais rápidas e precisas ao aprender com dados históricos e reconhecer padrões com grande precisão.

A rapidez e a precisão das previsões por IA poderiam melhorar muito a preparação e a resposta a desastres, potencialmente salvando vidas e mitigando danos durante eventos climáticos severos. Por exemplo, previsões mais rápidas podem levar a evacuações mais oportunas e decisões de segurança pública mais informadas. Além disso, os modelos de IA podem funcionar em computadores desktop padrão, tornando as previsões meteorológicas avançadas mais acessíveis em comparação com os supercomputadores caros tradicionalmente usados.

Essa acessibilidade poderia democratizar a previsão do tempo e permitir um uso mais amplo de tecnologias preditivas avançadas.