Uma inteligência artificial agora pode produzir cenários plausíveis de chuvas extremas, mesmo quando nenhum evento tão violento existe em seus dados de treinamento.
Preparar uma cidade para uma catástrofe rara apresenta um problema simples: justamente quando o risco se torna mais sério, faltam exemplos. Por definição, uma chuva excepcional aparece raramente nos registros. No entanto, muitos modelos aprendem principalmente a partir do que já aconteceu.
Relâmpagos durante uma tempestade perto de Mudanya, na Turquia, em 16 de junho.
Crédito: Uğur İkizler
Pesquisadores do Massachusetts Institute of Technology desenvolveram um método para contornar essa limitação. Chamado Extreme Event Aware Learning, ele não tenta prever a próxima tempestade. Seu objetivo é diferente: imaginar muitos eventos muito raros, mas estatisticamente plausíveis.
Para testá-lo, a equipe utilizou 25 anos de precipitações horárias cobrindo os Estados Unidos continentais. Esses dados foram agrupados em mapas diários. No entanto, a parte do modelo encarregada de aprender a forma detalhada das chuvas utilizou apenas os seis primeiros meses. Esse curto período continha poucos, ou até nenhum, dos episódios mais extremos. Isso permitiu testar suas previsões com a realidade.
Como então ele pode produzir chuvas mais intensas do que aquelas que viu? A ideia consiste em separar duas informações. De um lado, o sistema aprende como são os mapas de chuva: sua forma, extensão e organização no espaço. De outro, estatísticas indicam com que frequência determinadas intensidades podem ocorrer.
Essas estatísticas funcionam como uma salvaguarda. A IA não pode simplesmente inventar aleatoriamente um mapa espetacular. Ela precisa propor configurações compatíveis com o nível de raridade solicitado.
Assim, um planejador poderia perguntar como seria uma chuva capaz de ocorrer aproximadamente uma vez por século. O modelo gera então muitos cenários possíveis, com áreas afetadas e intensidades diferentes. Os pesquisadores dão o exemplo de um evento que atingisse 300 mm de chuva em um local onde o recorde observado seria de 200 mm.
Essa diferença é importante para a gestão de riscos. Uma cidade poderia testar uma rede de drenagem, um dique ou outras infraestruturas diante de vários cenários severos. Ela não ficaria mais limitada apenas às catástrofes já presentes nos registros.
Os pesquisadores estimam que um princípio semelhante poderia ser usado para outros riscos, como inundações e incêndios florestais. Áreas muito diferentes, como a locomoção robótica ou os cursos nos mercados financeiros, também poderiam ser exploradas.