Como a Inteligência Artificial está conseguindo vencer o desafio da previsão do tempo

Não é de hoje que um dos maiores desafios para modelos matemáticos e de inteligência artificial é a previsão do tempo. E em busca de resolver tal desafio,  a empresa DeepMind, de Inteligência Artificial, com sede em Londres, está aplicando técnicas de deep learning no desenvolvimento de uma ferramenta chamada DGMR (deep generative model of rainfall ou modelo generativo profundo de precipitação) em conjunto com o Met Office, serviço meteorológico nacional do Reino Unido.

O DGMR tem a potencial de prever com precisão a probabilidade de chuvas nos próximos 90 minutos. Se comparado com outras ferramentas existentes, especialistas julgam as previsões do DGMR melhores em 89% das vezes em fatores que incluem previsões de intensidade da chuva, localização, movimento e extensão.

A importância da previsão do tempo com precisão ajuda não somente a agricultura a se antecipar, mas em casos de temporais se torna crucial para serviços de emergência, indústrias e eventos ao ar livre. A dificuldade está em descobrir a quantidade de água que há no céu, onde e quando ela irá cair, pois depende de diferentes processos climáticos, como por exemplo vento, formação de nuvens e mudanças de temperatura. Quando esses fatores complexos são estudados juntos, tornam-se ainda mais complexos.

Hoje são utilizadas simulações de computador da física atmosférica, nas quais é possível realizar previsões de longo prazo. Entretanto, não é possível prever em intervalos curtos (como por exemplo na próxima hora) o que vai acontecer. Já houveram tentativas anteriores do uso de deep learning para resolver este problema, mas os modelos gerados não eram capazes de prever o conjunto dos fatores, ou seja, era possível prever por exemplo a localização da chuva, mas não a sua intensidade.

Como a DeepMind conseguiu chegar mais perto?

A Inteligência Artificial da DeepMind foi treinada em dados de radar. Ao longo do dia, muitos países divulgam as medições de radar – instantâneos – que rastreiam a formação das nuvens. No Reino Unido, por exemplo, a cada cinco minutos é lançada uma nova leitura. Dessa forma foi possível juntar as fotos como uma espécie de vídeo stop-motion mostrando como os padrões de chuva estão se movendo em um país, como aquelas imagens que vemos de previsão do tempo na televisão.

Com esses dados em mãos, os pesquisadores alimentaram uma rede generativa profunda, uma espécie de IA que é treinada para gerar novas amostras de dados semelhantes aos dados reais aos quais ela foi treinada. Segundo Shaki Mohamed, que liderou a pesquisa na DeepMind, seria a mesma ideia de ver alguns frames de um filme e tentar adivinhar o que irá acontecer. Ou seja, o DGMR aprendeu a gerar novas imagens instantâneas de radar que continuaram a dar sequência a medições reais.

Para testar o modelo, a equipe de pesquisa pediu a 56 meteorologistas do Met Office – que não estavam envolvidos no trabalho – que classificassem o DGMR em comparação às cegas com previsões feitas por uma simulação física de última geração e outra ferramenta “rival” de deep learning. E 89% dos meteorologistas disseram preferir os resultados do DGMR.

Trabalhar em colaboração, como a DeepMind fez com o Met Office para o desenvolvimento de IA, é um exemplo de como a colaboração com o usuário final gera bons resultados. Suman Ravuri, um cientista pesquisador da DeepMind, destacou que “Isso impulsionou nosso desenvolvimento de modelo de uma maneira diferente da que faríamos por conta própria” e completou “Caso contrário, poderíamos ter feito um modelo que, no fim das contas, não seria particularmente útil”.

E você? Já pensou em trabalhar em colaboração com uma equipe especializada em Inteligência Artificial e tirar do papel aquela ideia de inovação para seu negócio? A Inovia possui mais de 13 anos de experiência e está pronta para te ajudar!