A Microsoft introduziu um inovador modelo de inteligência artificial (IA) chamado Aurora, que promete transformar a forma como são feitas as previsões do sistema terrestre. Este avanço foi detalhado em um artigo publicado na revista Nature, onde o Aurora demonstrou ser mais preciso e eficiente do que os métodos tradicionais, além de reduzir significativamente os custos computacionais associados.
As previsões do sistema terrestre são essenciais para a emissão de alertas antecipados sobre clima, qualidade do ar, correntes oceânicas, gelo marinho e fenômenos extremos como furacões. No entanto, os modelos atuais são caros e complexos, exigindo supercomputadores e grandes equipes para sua manutenção e aprimoramento.
O Aurora, por outro lado, promete simplificar esse processo.
Como o Aurora supera os modelos tradicionais
O Aurora foi treinado com mais de um milhão de horas de dados geofísicos, o que lhe permitiu superar modelos existentes em diversas áreas. Em previsões de tempo para 10 dias, o Aurora superou sete centros de previsão em 92% dos alvos medidos.
Além disso, em rastreamento de ciclones para 5 dias, o modelo foi superior em 100% dos alvos comparados com outros centros. O Aurora também previu com precisão eventos extremos, como uma tempestade de areia severa e a trajetória de tufões.
Benefícios da velocidade de desenvolvimento do Aurora
Um dos grandes benefícios do Aurora é sua velocidade de desenvolvimento. Enquanto modelos tradicionais podem levar anos para serem criados e aprimorados, o Aurora pode ser adaptado para novas tarefas de previsão em apenas 4 a 8 semanas. Isso é possível graças à vasta quantidade de dados históricos que foram acumulados e utilizados no treinamento do modelo.
Os autores do estudo, liderados por Paris Perdikaris da Universidade de Pensilvânia, descrevem o Aurora como um “modelo base” para o sistema terrestre, com potencial para ser adaptado a inúmeras outras previsões. Este avanço destaca o potencial da IA para tornar as informações sobre clima e tempo mais acessíveis e precisas.
