Project Aardvark: a revolução da previsão do tempo baseada em IA

• A previsão precisa do tempo desempenha um papel importante em várias áreas, como agricultura, transporte e energia
• Atua como sistema de alerta em situações climáticas extremas, como enchentes ou ondas de calor
• Com o surgimento de sistemas de previsão baseados em IA como Pangu-Weather da Huawei e GenCast do Google DeepMind, aumentou a expectativa em torno da previsão do tempo com IA
• O Turing Institute está focado no desenvolvimento de tecnologia de previsão do tempo com IA e, por meio disso, está desenvolvendo Aardvark, uma nova geração de sistema de previsão baseado em IA

Métodos atuais de previsão do tempo

• Atualmente, a previsão do tempo se baseia no método de previsão numérica do tempo (Numerical Weather Prediction, NWP)
• O NWP é composto pelas 3 etapas a seguir:
  • Etapa 1: coleta informações de satélites, estações meteorológicas, balões meteorológicos, navios, aviões etc. para estimar o estado da atmosfera
  • Etapa 2: usa modelos computacionais complexos para projetar a evolução do estado atual para estados futuros
  • Etapa 3: processa os resultados da previsão, corrige a precisão por localidade e incorpora a contribuição de meteorologistas humanos
• Esse processo exige supercomputadores de alto desempenho, grande escala de pessoal e software complexo
• Países desenvolvidos conseguem operar esses sistemas, mas em países em desenvolvimento isso é difícil devido à falta de infraestrutura

A abordagem inovadora do Aardvark

• O Aardvark substitui todo o processo de previsão por um único modelo de IA
• Pode ser treinado e executado em um computador desktop, e a velocidade de previsão é milhares de vezes maior que a do método tradicional
• Coleta dados de várias fontes, como satélites, estações meteorológicas e balões meteorológicos, para realizar previsões meteorológicas globais de 10 dias
• Adota uma nova arquitetura de deep learning para processamento complexo de dados e preenchimento de valores ausentes
• Vantagens do Aardvark:
  • Pode ser operado também em países em desenvolvimento → não exige supercomputadores
  • Maior precisão e eficiência nas previsões
  • Redução do consumo de energia na previsão do tempo, com potencial para diminuir as emissões de carbono

Desempenho e potencial do Aardvark

• Atualmente, o Aardvark apresenta um nível de precisão semelhante ao do Global Forecast System (GFS) dos Estados Unidos
• No momento, usa apenas cerca de 10% dos dados disponíveis → há grande potencial de melhorar a precisão com mais dados
• Tem potencial para substituir os modelos existentes de previsão numérica
• Sua alta velocidade de previsão permite respostas climáticas rápidas
• Pode oferecer ferramentas avançadas de previsão para países em desenvolvimento e países com escassez de dados

Desafios

• Ferramentas de previsão baseadas em IA ainda estão em fase experimental e precisam de validação de longo prazo
• A previsão de fenômenos climáticos extremos, como furacões e enchentes, é especialmente difícil
• Como o modelo foi treinado com base em dados históricos, existe a possibilidade de erro devido às mudanças climáticas
• É necessário resolver o problema da escassez de dados sobre fenômenos climáticos raros

Planos futuros para o Aardvark

• O Turing Institute pretende, com o Aardvark, aumentar a precisão nas áreas de previsão meteorológica, oceânica e de gelo marinho
• O foco será especialmente a aplicação em países em desenvolvimento e na região do Ártico
• Há planos de reforçar a previsão de fenômenos climáticos extremos por meio da expansão dos dados e da otimização da arquitetura
• Adição de recursos de previsão de longo prazo e sazonal → apoio ao planejamento climático de longo prazo por governos e empresas
• Espera-se que o avanço da tecnologia de previsão do tempo baseada em IA amplie os benefícios sociais e a proteção econômica

Conclusão

• O Aardvark é um sistema inovador que pode mudar o paradigma da previsão do tempo
• Há grande potencial para fortalecer a capacidade de resposta climática dos países em desenvolvimento e melhorar a precisão das previsões
• O Turing Institute pretende, por meio do Aardvark, liderar para que o Reino Unido esteja na linha de frente da previsão climática
• Mais detalhes sobre o Aardvark podem ser conferidos no artigo da Nature

[GN⁺]

Comentários no Hacker News

• Pensei: "The Turing Institute? Isso ainda existe?"

  • O antigo Turing Institute, que ficava em Glasgow, fazia pesquisa em IA e encerrou suas atividades em 1994
  • Saíram pesquisas interessantes de lá, mas é diferente da instituição atual

• Fico curioso para saber se eles estão armazenando décadas de dados históricos

  • Se os algoritmos de IA conseguem comparar o desempenho com os métodos existentes usando dados do passado
  • Algo semelhante à forma como algoritmos de tecnologia financeira são avaliados com dados históricos do mercado de ações

• Proponho um desafio para o modelo

  • Fazer previsões do tempo precisas para mais de 2 dias na região metropolitana de Kansas City
  • Em 2024, isso ainda era raramente preciso

• Fico me perguntando se um agente AGI hipotético do futuro poderia prever o tempo como os humanos sabem instintivamente a trajetória de uma bola ao vê-la

  • A IA pode saber com precisão o clima de amanhã, mas talvez não entenda como esse conhecimento foi obtido

• O artigo pode ser visto aqui

• Não sei se isso de substituir todas as etapas é exagero, ou se fui eu que deixei passar alguma nuance

  • Fico me perguntando como o modelo substituiria a etapa de coleta de dados

• É uma pena que o financiamento para equipamentos de coleta de dados, como balões meteorológicos, tenha sido interrompido

• Fico me perguntando como isso lidaria com casos extremos, como furacões ou eventos climáticos extremos raros

• Meu pai fez pesquisas extensas sobre modelagem de brisa marítima e precipitação, e eu gostaria que ele tivesse visto esses avanços em IA e aprendizado de máquina

• Fico me perguntando o quão robustos serão os modelos de aprendizado de máquina em um mundo de mudanças climáticas rápidas, quando o passado não consegue mais prever o futuro