Princípios importantes
- Modelos de IA podem ajudar a prever mudanças climáticas, dizem especialistas.
- Uma nova ferramenta de IA chamada IceNet pode permitir que os cientistas prevejam com precisão a profundidade do gelo marinho do Ártico.
-
IA e análises meteorológicas também podem ajudar a combater as mudanças climáticas, reduzindo as emissões na cadeia de suprimentos.
À medida que aumentam as evidências de que o clima extremo neste verão está sendo impulsionado pelas mudanças climáticas, a inteligência artificial está ajudando a prever onde as condições mudarão.
Uma nova ferramenta de IA pode permitir que os cientistas prevejam com mais precisão os meses de gelo do mar Ártico no futuro. A IceNet tem quase 95% de precisão em prever se o gelo marinho estará presente dois meses antes, dizem os pesquisadores. É um de um número crescente de usos da IA na previsão de mudanças climáticas.
"A IA melhorou significativamente a eficiência da execução de modelos climáticos complexos que historicamente eram computacionalmente intensivos", disse Daniel Intolubbe-Chmil, analista da Harbor Research,, à Lifewire em uma entrevista por e-mail.
Sem Gelo, Gelo, Bebê
IceNet está trabalhando no formidável desafio de fazer previsões precisas do gelo marinho do Ártico para a próxima temporada. Os pesquisadores descreveram como a IceNet funciona em um artigo recente publicado na revista Nature Communications.
"As temperaturas do ar próximo à superfície no Ártico aumentaram duas a três vezes a taxa da média global, um fenômeno conhecido como amplificação do Ártico, causado por vários feedbacks positivos", escreveram os pesquisadores no artigo. "As temperaturas crescentes desempenharam um papel fundamental na redução do gelo marinho do Ártico, com a extensão do gelo marinho em setembro agora em torno da metade de 1979, quando as medições por satélite do Ártico começaram."
O gelo marinho é difícil de prever devido à sua complexa relação com a atmosfera acima e o oceano abaixo, de acordo com os autores do artigo. Ao contrário dos sistemas de previsão convencionais que tentam modelar diretamente as leis da física, os pesquisadores projetaram o IceNet com base em um conceito chamado deep learning. Por meio dessa abordagem, o modelo "aprende" como o gelo marinho muda a partir de milhares de anos de dados de simulação climática, juntamente com décadas de dados observacionais, para prever a extensão dos meses de gelo do mar Ártico no futuro.
"O Ártico é uma região na linha de frente das mudanças climáticas e tem visto um aquecimento substancial nos últimos 40 anos", disse o principal autor do artigo, Tom Andersson, cientista de dados do BAS AI Lab, em uma notícia. liberar. "A IceNet tem o potencial de preencher uma lacuna urgente na previsão do gelo marinho para os esforços de sustentabilidade do Ártico e funciona milhares de vezes mais rápido que os métodos tradicionais."
AI lança uma rede ampla
Outros simuladores de IA também estão de olho nas mudanças climáticas. Os pesquisadores aproveitaram a técnica Deep Emulator Network Search, por exemplo, para melhorar uma simulação sobre a maneira como a fuligem e os aerossóis refletem e absorvem a luz solar. A pesquisa descobriu que o emulador era 2 bilhões de vezes mais rápido e mais de 99,999% idêntico à sua simulação física.
IA e análises meteorológicas também podem ajudar a combater as mudanças climáticas reduzindo as emissões na cadeia de suprimentos, disse Renny Vandewege, vice-presidente da empresa de previsão do tempo DTN, à Lifewire em uma entrevista por e-mail.
"Por exemplo, no transporte marítimo, o roteamento otimizado para clima pode reduzir as emissões em até 4% e reduzir o consumo de combustível em até 10%, e o roteamento climático na indústria da aviação pode evitar reencaminhamentos desnecessários para evitar o mau tempo, ou circulando um aeroporto esperando para pousar ", disse ele.
Previsões precisas para redes rodoviárias podem reduzir o tratamento desnecessário de estradas de inverno, reduzindo o número de produtos químicos nocivos, disse Vandenwege.
"Em vez de tratar uma estrada inteira, as equipes de manutenção de estradas podem optar por tratar locais selecionados ao longo de uma estrada onde há trechos de estradas com pontos frios, ou podem decidir se o tratamento é necessário", acrescentou.
Machine learning e modelos de IA estão sendo cada vez mais usados para ajudar a entender as emissões de CO2 e metano, disse Marty Bell, diretor de ciências da empresa de previsão meteorológica WeatherFlow, à Lifewire em uma entrevista por e-mail.
"Os modelos também estão aumentando nossa resiliência às mudanças climáticas, ajudando-nos a modificar nossa abordagem à produção e uso de energia", disse Bell. "Enquanto muitos desses aplicativos de IA operam em larga escala em sistemas de distribuição de energia de concessionárias, outros operam em nível doméstico, onde o ML informa modelos de IA incorporados em dispositivos diários de internet das coisas que gerenciam com mais eficiência o uso de energia em casa."
