Revolucionando as previsões meteorológicas com o avanço da IA do Google
A renomada divisão de pesquisa do Google, Google DeepMind, revelou um modelo inovador de previsão do tempo baseado em inteligência artificial que apresenta um nível de precisão aproximadamente 90% maior em comparação aos métodos convencionais. Este sistema inovador, denominado GraphCast, possui a capacidade de fornecer previsões de 10 dias altamente precisas de uma maneira que é rápida e conserva energia com recursos, superando as capacidades das aplicações meteorológicas atuais.
À nossa disposição está uma série de ferramentas e recursos incomparáveis em sua capacidade de prever as condições meteorológicas com notável precisão, exatidão e confiabilidade. Esta mudança de paradigma representa um marco significativo na história da previsão meteorológica tal como a conhecemos hoje, que tem sido tradicionalmente referida como “previsão meteorológica numérica” ou NWF.
O processo de previsão de padrões climáticos futuros envolve a utilização de modelos meteorológicos intrincados que são orientados por dados de observações em tempo real obtidos através de sistemas nacionais de previsão meteorológica (NWP). Essas simulações avançadas baseiam-se em conceitos científicos complexos, como mecânica dos fluidos, termodinâmica e uma variedade de disciplinas atmosféricas, para gerar previsões precisas. Infelizmente, esta metodologia altamente especializada é dispendiosa e intensiva em recursos, necessitando de recursos computacionais substanciais para a sua execução bem-sucedida.
Em vez de executar simulações de como as moléculas voarão e colidirão umas com as outras, GraphCast rompe com a tradição ao dar maior ênfase aos dados históricos. Em outras palavras, é um modelo de aprendizado de máquina que faz previsões com base no que aconteceu no passado.
Os aspectos técnicos do nosso sistema são bastante complexos, porém, ao considerar o escopo e a complexidade dos cálculos necessários, simplificamos esses processos para torná-los mais gerenciáveis. Nossa tecnologia utiliza informações sobre o estado atual dos padrões climáticos globais, juntamente com dados históricos que datam de seis horas atrás, que servem como entrada para nossos modelos preditivos. Posteriormente, esses modelos processam essas informações e geram previsões ampliadas com base na mesma metodologia.
A equipe do Google comparou os resultados do GraphCast com o modelo atual usado para previsão do tempo de médio prazo, chamado HRES. Segundo No estudo, o GraphCast superou “significativamente” o HRES em 90% dos alvos usados no teste.
O GraphCast também tem sido surpreendentemente bem-sucedido na previsão de eventos climáticos extremos, incluindo ciclones tropicais e mudanças repentinas de temperatura, mesmo que não tenha sido treinado especificamente para lidar com essas informações.
Os investigadores desta investigação pretendem complementar os sistemas convencionais utilizados pelos meteorologistas, afirmando que “a nossa metodologia não deve ser vista como uma alternativa às técnicas consagradas de previsão do tempo.
Por favor visite a área específica do nosso site dedicada à Inteligência Artificial para obter informações sobre todos os assuntos relacionados com a mesma.
*️⃣ Link da fonte:
Segundo ,