Google anuncia sucesso de IA para meteorologia e entra em nova corrida tecnológica com a China
Previsão de tempo do sistema GenCast, que a empresa criou, superou desempenho do aparato computacional mais avançado do mundo na área
A DeepMind, braço do Google para pesquisa em inteligência artificial, anunciou hoje ter conseguido criar um sistema capaz de superar o melhor equipamento de meteorologia computacional existente no planeta.
Batizado de GenCast, o novo modelo teve um desempenho melhor quando comparado ao ENS, da União Europeia, o mais preciso aparato digital de previsão do tempo de médio prazo, mas projetado com previsão numérica convencional, sem uso pesado de IA.
O novo sistema do Google foi criado com uso de IA generativa, o mesmo tipo de tecnologia por trás dos populares robôs conversadores GhatGPT, Gemini e Llama, mas com enfoque diferente. Em vez de aplicar variáveis de programação a letras e palavras, os cientistas as acoplaram a parâmetros meteorológicos: os números que representam temperatura, umidade, vento etc.
Leia também
• Febraban e Google fecham acordo para combate a golpes cibernéticos
• Canadá processa Google por práticas anticompetitivas no mercado de publicidade on-line
• O que aconteceria se o Google fosse obrigado a vender o Chrome?
O GenCast foi criado por meio de "aprendizagem de máquina" (machine learning), um método moderno de IA que consiste em alimentar um computador com dados e tentar fazer que ele produza, sem muita interferência humana, um algoritmo capaz de produzir as previsões de tempo.
O desempenho do GenCast está descrito em estudo publicado nesta tarde pela revista Nature, que submeteu o trabalho a uma revisão de especialistas, como é praxe em publicações científicas. Antes do anúncio de hoje, resultados preliminares do projeto já haviam sido descritos em círculos acadêmicos mais restritos, mas só agora foram validados de forma independente.
Além de superar o modelo europeu na previsão típica de médio prazo, de uma a duas semanas, o sistema do Google foi melhor em antecipar também a trajetória de ciclones tropicais, prever clima extremo e antever formação de ventos. Todos esses são eventos que estão se tornando mais frequentes com a mudança climática.
Com o anúncio, o Google entra na corrida para desenvolver um modelo que possa ser disponibilizado comercialmente a agências de monitoramento do clima.
Concorrência chinesa
A principal concorrência da empresa agora nessa frente de inovação vem da China. A Huwaei já tinha anunciado no ano passado um algoritmo ultrarrápido para meteorologia de uma semana, e a universidade em Pequim tinham usado IA para melhorar a localização de curto prazo para chuvas extremas.
Ainda não há uma comparação oficial entre os sistemas de IA meteorológica chineses e ocidentais, ambos ainda restritos às bancadas dos cientistas.
No estudo da Nature, o Google mostra que boa parte de seu poder de fogo para criação dos sistemas vem da capacidade bruta de processamento que a empresa possui na DeepMind. Os cientistas treinaram o GenCast com 40 anos de dados de meteorologia global (registros feitos de 1979 a 2018) para conseguir deixá-lo mais preciso que o ENS.
Nas condições de teste, o sistema operou com a rapidez desejada para quem for usá-lo na prática.
Em oito minutos de processamento, o GenCast consegue gerar previsões de tempo de 15 dias para o planeta inteiro, descrevendo o estado do clima de 12 em 12 horas e apontando valores para 80 diferentes variáveis climáticas, incluindo temperaturas mínimas, máximas e números tipicamente usados por quem usa a previsão na prática.
Limitações
Os autores do trabalho afirmam, porém, que apesar de o aprendizado de máquina ter conseguido superar o desempenho das técnicas mais convencionais de previsão, o GenCast dependeu da incorporação dos dados mais convencionais para ser "alimentado". A previsão numérica tradicional, então, continuará a ter um papel no futuro em que a IA domina a meteorologia, escreveram os cientistas.
"Juntos, nossos resultados abrem uma nova frente na previsão do tempo, prometendo maior precisão, eficiência e acessibilidade em uma ampla gama de configurações", escreveu na Nature Ilan Price, cientista que liderou o trabalho, junto de seus coautores. "De forma mais geral, nosso trabalho demonstra que métodos de IA generativa de ponta podem capturar distribuições multi-dimensionais e complexas em dinâmicas temporais ricas, com precisão e confiabilidade suficientes para dar suporte à tomada de decisão eficaz em aplicações cruciais."
Os pesquisadores reconheceram também que, por enquanto, não é qualquer supercomputador que consegue operar o sistema criado por eles, que ainda consome muito poder de processamento.
"O GenCast é computacionalmente mais caro do que uma arquitetura semelhante de previsão de tempo por aprendizagem de máquina porque ele requer o cálculo de múltiplas funções para produzir uma amostragem de cada passo da previsão", afirmam os cientistas. Isso pode ser um limitante, por enquanto, para tornar o sistema competitivo comercialmente.
Veja também
Bezos, fundador da Amazon, se diz otimista com futuro governo Trump: "Vou ajudá-lo"
