O que sabemos sobre o clima é que temos hoje toneladas de dados e que essa questão nos preocupa muito.
Diante disso, Ashish Kapoor e Eric Horvitz, dois pesquisadores da Microsoft, dedicaram-se a estudar as últimas descobertas sobre inteligência artificial em busca da melhor resposta para a pergunta: qual é a previsão para o tempo?
Eles descobriram que seu enfoque, que aproveitava métodos desenvolvidos dentro de um subcampo da inteligência artificial – chamado aprendizagem de máquina -, era mais preciso para prever padrões climáticos para as próximas 24 horas do que os modelos tradicionais de prognóstico.
Isso deu esperança de que este método poderia ser utilizado, eventualmente, para ajudar a resolver alguns dos enigmas climáticos mais complicados, como, por exemplo, entender como as mudanças climáticas afetam os padrões do clima ou mesmo para realizar previsões de longo prazo mais precisas. “Aí é onde acredito que poderíamos, de verdade, aproveitar o poder dos métodos de aprendizagem de máquina”, diz Kapoor, investigador sênior da Microsoft.
Claro que climatologistas e meteorologistas rastrearam dados climáticos por muito tempo e os utilizaram para realizar prognósticos. Ao contrário dos enfoques de previsão mais típicos, que por tradição se apoiaram em simulações físicas, Kapoor disse que sua investigação tomou um enfoque centrado nos dados: eles só observaram os dados e não trataram de fazer suposições restritivas sobre como a natureza deve agir.
Este tipo de enfoque é possível graças aos recentes avanços em aprendizagem de máquina, que permite pegar um grande número de dados e analisá-los por meio de sistemas de computadores de grande escala. O aprendizado de máquina fica no desenvolvimento e utilização de algoritmos que podem aprender a fazer previsões baseando-se em dados passados.
Os investigadores usaram dados históricos para algumas variáveis climáticas – pressão atmosférica, temperatura, ponto de orvalho e vento – para treinar seus sistemas para que façam previsões sobre os padrões climáticos futuros baseados em dados passados.
Para realizar suas previsões, aplicaram uma mescla de modelos físicos e uma combinação de métodos de aprendizagem de máquina que inclui redes neurais profundas. Essa é a mesma técnica que tem sido utilizada para melhorar consideravelmente a precisão, por exemplo, de classificação de imagens, reconhecimento de fala e tradução.
Este trabalho se baseia na investigação prévia de Kapoor e Horvitz sobre fazer prognósticos mais precisos de ventos ao utilizar vários aviões como sensores. Esse trabalho está atrás de um serviço utilizado por pilotos para otimizar o tempo dos voos.
O esforço da previsão climática também está muito relacionado com outro projeto em que Kapoor trabalhou, que ajuda Kirby Chambliss, piloto da Red Bull Air Race, a melhorar seus tempos nas corridas aéreas.
Aditya Grover, que trabalhou no projeto para a previsão do tempo com Horvitz e Kapoor, apresentará as descobertas da equipe na Conferência ACM SIGKDD, em Sidney, Austrália
Grover não era graduado quando chegou à Microsoft Research, mas se inspirou tanto pelo trabalho de previsão climática que decidiu seguir sua carreira em inteligência artificial e irá à Universidade de Stanford para se graduar. “Para ser honesto, este foi o principal fator que me levou a buscar uma graduação”, diz Grover.
