Primeiro dobramento de proteína, agora previsão do tempo: a DeepMind, empresa de Inteligência Artificial (IA) com sede em Londres, continua a aplicar o deep learning em problemas científicos difíceis. Trabalhando com o Met Office, o serviço meteorológico nacional do Reino Unido, a DeepMind desenvolveu uma ferramenta de deep learning chamada DGMR (deep generative model of rainfall ou modelo generativo profundo de precipitação) que pode prever com precisão a probabilidade de chuva nos próximos 90 minutos, um dos maiores desafios da previsão do tempo.
Em uma comparação cega com as ferramentas existentes, várias dezenas de especialistas julgaram as previsões do DGMR como as melhores 89% das vezes em uma série de fatores, incluindo suas previsões de localização, extensão, movimento e intensidade da chuva. Os resultados foram publicados em um artigo da Nature em setembro.
A nova ferramenta da DeepMind não é nenhum AlphaFold, que desvendou um problema-chave da biologia com o qual os cientistas lutaram por décadas. No entanto, mesmo uma pequena melhoria nas previsões é importante.
Previsão de chuva, especialmente chuva forte, é crucial para muitas indústrias, de eventos ao ar livre a aviação e serviços de emergência. Mas fazer boas previsões é difícil. Descobrir quanta água há no céu, e quando e onde ela vai cair, depende de vários processos climáticos, como mudanças na temperatura, formação de nuvens e vento. Todos esses fatores são complexos por si só, mas são ainda mais complexos quando considerados em conjunto.
As melhores técnicas de previsão existentes usam enormes simulações de computador da física atmosférica. Eles funcionam bem para previsões de longo prazo, mas não são tão bons em prever o que vai acontecer na próxima hora ou mais, o que é conhecido como previsão imediata. Técnicas anteriores de deep learning foram desenvolvidas, mas normalmente funcionam bem em uma coisa, como prever a localização, em detrimento de outra coisa, como prever a intensidade.
“A previsão da precipitação a curto prazo continua sendo um desafio substancial para os meteorologistas”, disse Greg Carbin, chefe de operações de previsão do NOAA Weather Prediction Center nos Estados Unidos, que não esteve envolvido no trabalho.
A equipe DeepMind treinou sua IA em dados de radar. Muitos países divulgam ao longo do dia instantâneos frequentes de medições de radar que rastreiam a formação e o movimento das nuvens. No Reino Unido, por exemplo, uma nova leitura é lançada a cada cinco minutos. Juntar essas fotos fornece um vídeo stop-motion atualizado que mostra como os padrões de chuva estão se movendo em um país, semelhante às imagens de previsão vistas na televisão.
Os pesquisadores alimentaram esses dados em uma rede generativa profunda, semelhante a um GAN, um tipo de IA que é treinado para gerar novas amostras de dados que são muito semelhantes aos dados reais aos quais foi treinado. As GANs têm sido usadas para gerar rostos falsos, até mesmo quadros Rembrandts falsificados. Nesse caso, o DGMR aprendeu a gerar instantâneos falsos de radar que continuaram a sequência de medições reais. É a mesma ideia de ver alguns frames de um filme e adivinhar o que virá a seguir, diz Shakir Mohamed, que liderou a pesquisa na DeepMind.
Para testar a abordagem, a equipe pediu a 56 meteorologistas do Met Office (que não estavam envolvidos no trabalho) para classificar o DGMR em uma comparação cega com previsões feitas por uma simulação física de última geração e uma ferramenta rival de deep learning; 89% disseram preferir os resultados do DGMR.
“Os algoritmos de machine learning geralmente experimentam e otimizam uma medida simples de quão precisa é a previsão feita”, diz Niall Robinson, chefe de parcerias e inovação de produtos no Met Office, que foi coautor do estudo. “No entanto, as previsões do tempo podem ser boas ou ruins de muitas maneiras diferentes. Uma previsão pode obter chuvas no lugar certo, mas na intensidade errada, ou outra obter a combinação certa de intensidades, mas nos lugares errados, etc. Fizemos muito esforço nesta pesquisa para avaliar nosso algoritmo com base em um amplo conjunto de parâmetros”.
A colaboração da DeepMind com o Met Office é um bom exemplo de desenvolvimento de IA feito em colaboração com o usuário final, algo que parece obviamente uma boa ideia, mas muitas vezes não acontece. A equipe trabalhou no projeto por vários anos, e as contribuições dos especialistas do Met Office moldaram o projeto. “Isso impulsionou nosso desenvolvimento de modelo de uma maneira diferente da que faríamos por conta própria”, diz Suman Ravuri, um cientista pesquisador da DeepMind. “Caso contrário, poderíamos ter feito um modelo que, no fim das contas, não seria particularmente útil”.
A DeepMind também está ansiosa para demonstrar que sua IA tem aplicações práticas. Para Shakir, DGMR é parte da mesma história que AlphaFold: a empresa está lucrando com seus anos de resolução de problemas difíceis em jogos. Talvez o mais importante seja que a DeepMind está começando a riscar uma lista de problemas científicos do mundo real.
MIT Technology Review
