Uma inteligência artificial especializada pode prever a trajetória dos ciclones com uma antecedência superior a 30 horas, sem perder a precisão dos métodos de referência.
Prever por onde passará um ciclone normalmente depende de vários modelos meteorológicos. Eles calculam a evolução da atmosfera com base nas leis da física. Em seguida, os meteorologistas comparam seus resultados e levam em conta suas incertezas. Esse método exige muitos cálculos, especialmente quando é necessário produzir vários cenários possíveis.
Imagem Wikimedia
O sistema apresentado na Nature segue outro caminho. Ele aprende a partir de vastos conjuntos de dados meteorológicos e de arquivos de ciclones. Depois, pode produzir vários cenários que descrevem a possível evolução da atmosfera e a posição futura do ciclone. Essas previsões se estendem por até 15 dias.
O principal interesse está no tempo ganho. Com precisão comparável para a trajetória, o sistema alcança certos níveis de qualidade mais de 30 horas antes dos métodos usados como referência. Em outras palavras, uma informação sobre a provável passagem de um ciclone pode se tornar suficientemente confiável mais de um dia antes.
Essa antecedência é diretamente importante para as regiões ameaçadas. Algumas dezenas de horas adicionais podem oferecer mais tempo para preparar evacuações, proteger infraestruturas ou organizar o socorro. Uma trajetória continua sendo uma previsão probabilística: vários caminhos permanecem possíveis, sobretudo vários dias antes da chegada do fenômeno.
Para levar essa incerteza em conta, o modelo não calcula uma única evolução da atmosfera. Ele gera um conjunto de cenários. Se muitos deles seguem uma rota semelhante, os meteorologistas dispõem de um sinal mais robusto. Se divergem fortemente, essa dispersão indica, ao contrário, que a trajetória continua incerta.
O sistema já superou a etapa de laboratório. O Google DeepMind trabalhou com o National Hurricane Center americano para fornecer suas previsões aos especialistas durante uma temporada de ciclones. Segundo uma apresentação da NOAA dedicada a essa experiência, esses dados serviram como guia operacional para os meteorologistas.
Os modelos de inteligência artificial, no entanto, não resolvem todas as dificuldades. Trabalhos anteriores mostram que eles podem ser muito eficientes para acompanhar a rota de um ciclone, mas menos confiáveis para prever sua intensidade. A velocidade máxima dos ventos e sua rápida evolução continuam especialmente difíceis de reproduzir corretamente.
O próximo passo, portanto, consiste em avaliar essas previsões em um número maior de ciclones e temporadas, especialmente no caso de mudanças rápidas de intensidade. Seu uso operacional também dependerá da confiabilidade das probabilidades fornecidas, pois as decisões de alerta se baseiam tanto na incerteza quanto na trajetória mais provável.