O Google desenvolveu um novo modelo de previsão do tempo chamado NeuralGCM, que combina aprendizado de máquina com modelos tradicionais de física atmosférica. Esse avanço pode revolucionar as previsões de longo prazo, fornecendo um modelo mais rápido e mais preciso do que as técnicas existentes.
Usando dados de até 80 anos fornecidos pelo Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF), o NeuralGCM demonstrou ser significativamente mais eficaz do que os modelos tradicionais. De acordo com o engenheiro de pesquisa do Google, Stephan Hoyer, o modelo pode simular 70.000 dias de condições climáticas em apenas 24 horas.
O NeuralGCM não apenas supera os modelos tradicionais em velocidade, mas também em precisão. Em testes recentes, o modelo identificou mais ciclones tropicais do que os sistemas atuais, incluindo o X-SHiELD da Administração Nacional Oceânica e Atmosférica dos EUA. Além disso, as taxas de erro nas previsões de temperatura e umidade foram de 15% a 50% menores.
O artigo publicado na Nature sugere que a combinação de inteligência artificial e modelos físicos oferece o melhor dos dois mundos. Peter Dueben, coautor do estudo e diretor de modelagem do sistema terrestre no ECMWF, observou que essa integração melhora a confiabilidade das previsões.
O avanço do NeuralGCM não se limita à meteorologia. Espera-se que a combinação de IA e modelos físicos possa ser aplicada em outros campos, como a descoberta de novos materiais ou projetos de engenharia. No entanto, ainda há desafios, como melhorar a capacidade do modelo de prever o impacto do aumento de CO2 nas temperaturas globais.
