GenCast, um novo modelo de IA do Google DeepMind, é preciso o suficiente para competir com a previsão do tempo tradicional. Ele conseguiu superar um modelo de previsão líder quando testado com dados de 2019, de acordo com uma pesquisa publicada recentemente.
A IA não vai substituir a previsão tradicional tão cedo, mas pode adicionar ao arsenal de ferramentas usadas para prever o tempo e alertar o público sobre tempestades severas. GenCast é um dos vários modelos de previsão do tempo baseados em IA que podem levar a previsões mais precisas.
“O tempo basicamente toca todos os aspectos de nossas vidas… também é um dos grandes desafios científicos, prever o tempo”, diz Ilan Price, um cientista sênior de pesquisa da DeepMind. “O Google DeepMind tem a missão de avançar a IA para o benefício da humanidade. E eu acho que esta é uma maneira importante, uma contribuição importante nesse sentido.”
Price e seus colegas testaram GenCast contra o sistema ENS, um dos principais modelos de previsão do mundo, que é operado pelo Centro Europeu de Previsão do Tempo de Médio Prazo (ECMWF). GenCast superou o ENS 97,2 por cento das vezes, de acordo com a pesquisa publicada esta semana na revista Nature.
GenCast é um modelo de previsão do tempo baseado em aprendizado de máquina treinado com dados meteorológicos de 1979 a 2018. O modelo aprende a reconhecer padrões nos quatro décadas de dados históricos e usa isso para fazer previsões sobre o que pode acontecer no futuro. Isso é muito diferente de como modelos tradicionais como o ENS funcionam, que ainda dependem de supercomputadores para resolver equações complexas a fim de simular a física da atmosfera. Tanto GenCast quanto ENS produzem previsões em conjunto, que oferecem uma gama de cenários possíveis.
Quando se trata de prever o caminho de um ciclone tropical, por exemplo, o GenCast foi capaz de dar um aviso adicional de 12 horas em média. O GenCast foi geralmente melhor em prever trajetórias de ciclones, clima extremo e produção de energia eólica até 15 dias de antecedência.
Uma previsão em conjunto do GenCast mostra uma gama de possíveis trajetórias de tempestade para o tufão Hagibis, que se tornam mais precisas à medida que o ciclone se aproxima da costa do Japão.
Uma ressalva é que o GenCast testou a si mesmo contra uma versão mais antiga do ENS, que agora opera em uma resolução mais alta. A pesquisa revisada por pares compara as previsões do GenCast com as previsões do ENS para 2019, avaliando quão próximo cada modelo chegou das condições reais daquele ano. O sistema ENS melhorou significativamente desde 2019, de acordo com Matt Chantry, coordenador de aprendizado de máquina do ECMWF. Isso torna difícil determinar quão bem o GenCast pode se sair contra o ENS hoje.
Para ter certeza, a resolução não é o único fator importante quando se trata de fazer previsões fortes. O ENS já estava operando em uma resolução ligeiramente mais alta do que o GenCast em 2019, e o GenCast ainda conseguiu vencê-lo. A DeepMind afirma que realizou estudos semelhantes em dados de 2020 a 2022 e encontrou resultados semelhantes, embora isso não tenha sido revisado por pares. Mas não tinha dados para fazer comparações para 2023, quando o ENS começou a operar em uma resolução significativamente mais alta.
Dividindo o mundo em uma grade, o GenCast opera em uma resolução de 0,25 graus – o que significa que cada quadrado dessa grade tem uma latitude de um quarto de grau por uma longitude de um quarto de grau. O ENS, em comparação, usou resolução de 0,2 graus em 2019 e está em resolução de 0,1 grau agora.
No entanto, o desenvolvimento do GenCast “marca um marco significativo na evolução da previsão do tempo”, disse Chantry em uma declaração enviada por e-mail. Junto com o ENS, o ECMWF afirma que também está executando sua própria versão de um sistema de aprendizado de máquina. Chantry diz que “toma alguma inspiração do GenCast”.
A velocidade é uma vantagem para o GenCast. Ele pode produzir uma previsão de 15 dias em apenas oito minutos usando um único TPU v5 do Google Cloud. Modelos baseados em física como o ENS podem precisar de várias horas para fazer o mesmo. O GenCast contorna todas as equações que o ENS precisa resolver, por isso leva menos tempo e poder computacional para produzir uma previsão.
“Computacionalmente, é ordens de magnitude mais caro executar previsões tradicionais em comparação com um modelo como o GenCast”, diz Price.
Essa eficiência pode aliviar algumas das preocupações sobre o impacto ambiental dos centros de dados sedentos de energia da IA, que já contribuíram para o aumento das emissões de gases de efeito estufa do Google nos últimos anos. Mas é difícil determinar como o GenCast se compara a modelos baseados em física quando se trata de sustentabilidade sem saber quanta energia é usada para treinar o modelo de aprendizado de máquina.
Ainda há melhorias que o GenCast pode fazer, incluindo potencialmente aumentar para uma resolução mais alta. Além disso, o GenCast faz previsões em intervalos de 12 horas, em comparação com modelos tradicionais que geralmente o fazem em intervalos mais curtos. Isso pode fazer diferença em como essas previsões podem ser usadas no mundo real (para avaliar quanto poder eólico estará disponível, por exemplo).
“Estamos meio que tentando entender, isso é bom? E por quê?”
“Você gostaria de saber como será o vento ao longo do dia, não apenas às 6 da manhã e às 6 da tarde”, diz Stephen Mullens, professor assistente de meteorologia da Universidade da Flórida, que não participou da pesquisa do GenCast.
Embora haja um interesse crescente em como a IA pode ser usada para melhorar previsões, ela ainda precisa se provar. “As pessoas estão observando. Eu não acho que a comunidade meteorológica como um todo esteja completamente convencida disso”, diz Mullens. “Nós somos cientistas treinados que pensam em termos de física… e porque a IA fundamentalmente não é isso, ainda há um elemento em que estamos meio que tentando entender, isso é bom? E por quê?”
Os meteorologistas podem conferir o GenCast por conta própria; a DeepMind lançou o código para seu modelo de código aberto. Price diz que vê o GenCast e mais modelos de IA aprimorados sendo usados no mundo real ao lado de modelos tradicionais. “Uma vez que esses modelos cheguem às mãos dos praticantes, isso aumenta ainda mais a confiança e a credibilidade”, diz Price. “Nós realmente queremos que isso tenha um tipo de impacto social generalizado.”