Modelos climáticos baseados em IA foram usados pela primeira vez em Taiwan em julho deste ano.
À medida que a tempestade tropical Bebinca avança em direção às águas do norte de Taiwan, ganhando força e se tornando um possível tufão, os meteorologistas em Taipei estão usando um método novo e até agora bem-sucedido para ajudar a rastrear seu caminho: a inteligência artificial (IA).
Previsões geradas por IA, algumas alimentadas por softwares de gigantes da tecnologia, incluindo a Nvidia, cujos chips são feitos pela TSMC, campeã nacional de semicondutores de Taiwan, até agora superaram os métodos tradicionais na previsão de trajetórias de tufões.
Em julho, foram modelos climáticos baseados em IA, usados pela primeira vez, que ajudaram Taiwan a prever melhor o caminho e o impacto do Tufão Gaemi, o mais forte a atingir a ilha em oito anos, trazendo chuvas recordes.
A nova tecnologia impressionou os meteorologistas de Taiwan ao prever um impacto direto oito dias antes de Gaemi atingir a costa, superando facilmente os métodos convencionais, que continuam sendo a base do planejamento de previsões.
“As pessoas estão começando a perceber que a IA realmente apresentou desempenhos impressionantes em comparação aos modelos convencionais”, disse Chia Hsin-sing, diretora da Taiwan Integrated Disaster Prevention of Technology Engineering Consulting Company Ltd., provedora de serviços meteorológicos.
Bebinca agora está sendo monitorado usando as mesmas ferramentas de IA por pessoas como Lin Ping-yu, um meteorologista da Administração Central de Meteorologia de Taiwan (CWA), que disse que a IA lhes deu um maior grau de confiança de que não haverá um impacto direto.
“Isso (IA) é algo bom para nós. É como ter mais uma ferramenta útil para usar”, disse Lin.
Os programas meteorológicos de IA oferecidos incluem o FourCastNet da Nvidia, o GraphCast do Google e o Pangu-Weather da Huawei, bem como um sistema baseado em aprendizado profundo do Centro Europeu de Previsões Meteorológicas de Médio Prazo.
“É uma competição muito assistida. Em breve saberemos quem está ganhando”, disse Chia.
Esses modelos de IA também começaram a ser usados para prever tempestades e furacões em outras regiões com boa precisão, de acordo com meteorologistas e acadêmicos.
O software baseado em IA é treinado usando dados meteorológicos históricos para aprender as relações de causa e efeito dos sistemas meteorológicos e pode prever centenas de variáveis climáticas com dias de antecedência — um processo que leva apenas alguns minutos para ser concluído.
Para todos os tufões no Pacífico Ocidental deste ano até meados de setembro, a precisão da IA na previsão de trajetórias de tempestades em um período de três dias foi quase 20% maior do que a dos modelos convencionais, de acordo com dados compilados pela CWA.
Antes de Gaemi, a IA ajudou a administração a prever um ciclo incomum em sua trajetória que prolongou seu impacto em Taiwan e os levou a emitir rapidamente um raro alerta de precipitação de 1,8 metros (5,9 pés), que mais tarde foi comprovado como correto, de acordo com o vice-chefe da CWA, Lu Kuo-Chen.
“(A IA) aumentou a confiança dos meteorologistas para fazer essa previsão”, disse Lu, acrescentando que o alerta precoce deu mais tempo para as autoridades realizarem os preparativos.
Lu também está depositando esperanças em uma parceria com a Nvidia, que anunciou este ano uma ferramenta de IA generativa chamada CorrDiff, que visa prever locais mais precisos de chegada de tufões e fornecer imagens de maior resolução dentro de uma tempestade.
“Estamos vendo o potencial”, disse Lu.
Por enquanto, no entanto, especialistas dizem que as ferramentas de IA não foram capazes de fornecer previsões de qualidade para o impacto mais detalhado de um tufão, como sua força e ventos, e mais tempo é necessário para que a nova tecnologia solidifique sua liderança sobre os métodos mais tradicionais.
“Foi só sorte?”, disse Chia, apontando para o desempenho estelar da AI em Gaemi. “Precisamos dar um pouco mais de tempo à AI. É algo pelo qual ansiar.”
(Esta história não foi editada pela equipe da NDTV e é gerada automaticamente a partir de um feed distribuído.)