Prever como o clima da Terra poderá mudar nas próximas décadas exige cálculos tão complexos que supercomputadores podem levar meses para simular um único cenário. Agora, pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) desenvolveram uma técnica que promete acelerar esse processo. Utilizando inteligência artificial e dados sintéticos, o método permite criar modelos climáticos mais rapidamente, capazes de estimar em segundos os efeitos das atividades humanas sobre a temperatura, o nível do mar e outros indicadores ambientais.
Como a inteligência artificial consegue simular o clima em segundos?
Os cientistas utilizam ferramentas conhecidas como emuladores climáticos, sistemas de inteligência artificial treinados para reproduzir o comportamento de modelos científicos muito mais complexos.
Os modelos tradicionais simulam as interações entre atmosfera, oceanos, gelo, vegetação e outros componentes do planeta. Embora sejam detalhados, exigem enormes recursos computacionais.
Os emuladores aprendem a reproduzir parte desses resultados, permitindo testar milhares de cenários em pouco tempo.
Segundo o MIT News, a novidade não está apenas na velocidade das previsões, mas principalmente na maneira como esses sistemas são treinados.
O novo método utiliza menos dados e consegue responder melhor a situações que não estavam presentes durante o treinamento.
Cientistas reduziram de oito para uma as simulações necessárias
Normalmente, os pesquisadores precisam executar entre seis e oito cenários climáticos completos para produzir os dados utilizados no treinamento de um emulador.
Cada execução pode exigir semanas ou meses de processamento.
A equipe liderada por Christopher Womack desenvolveu uma alternativa que necessita de apenas uma execução do modelo climático completo.
Depois disso, um algoritmo produz cenários sintéticos especialmente selecionados para melhorar o aprendizado da inteligência artificial.
Esses cenários não precisam representar situações consideradas prováveis.
O sistema pode, por exemplo, simular um aumento repentino das emissões de dióxido de carbono em 2050 ou uma redução abrupta das emissões de metano em 2037.
Essas mudanças artificiais ajudam o emulador a compreender como o sistema climático reage a diferentes condições.
A pesquisa, publicada na revista Proceedings of the National Academy of Sciences (PNAS), demonstra que dados cuidadosamente escolhidos podem melhorar o desempenho dos modelos sem exigir grandes quantidades de simulações convencionais.
Por que cenários aparentemente impossíveis ajudam a prever o futuro?
Uma das descobertas mais interessantes envolve a utilização de trajetórias de emissões que dificilmente aconteceriam no mundo real.
Em vez de trabalhar apenas com aumentos ou reduções graduais da poluição, o algoritmo cria oscilações rápidas.
Essas mudanças funcionam como testes que revelam informações sobre a resposta do sistema climático.
O princípio é semelhante ao de avaliar o comportamento de uma máquina submetendo-a a diferentes condições de funcionamento.
Ao observar como o sistema responde a alterações bruscas, a inteligência artificial consegue aprender relações que poderiam passar despercebidas em cenários mais previsíveis.
Segundo Womack, o objetivo não é criar futuros realistas durante o treinamento, mas produzir dados que permitam ao emulador compreender melhor o funcionamento do clima.
Tecnologia pode ajudar a prever os efeitos de políticas ambientais
Uma das principais aplicações envolve a avaliação de medidas destinadas a reduzir a poluição.
Imagine uma cidade que diminui drasticamente as emissões de determinado poluente, enquanto outras fontes de gases continuam aumentando.
Modelos treinados apenas com cenários convencionais podem apresentar dificuldades para representar essa combinação.
Nos testes realizados pelo MIT, o novo emulador conseguiu reproduzir os efeitos de políticas locais de controle da poluição que os modelos tradicionais avaliados não conseguiram representar adequadamente.
Essa capacidade poderá ajudar governos e pesquisadores a comparar estratégias ambientais antes de implementá-las.
O avanço também tem aplicações potenciais no planejamento de redes elétricas, na agricultura e na saúde pública.
No Brasil, onde secas, enchentes e ondas de calor representam desafios crescentes, ferramentas mais rápidas poderão contribuir para estudos sobre riscos climáticos e medidas de adaptação.
A inteligência artificial vai substituir os supercomputadores?
Apesar dos resultados promissores, a nova técnica não elimina a necessidade dos modelos climáticos tradicionais.
Os emuladores continuam dependendo de informações produzidas por simulações científicas baseadas nas leis da física.
A principal diferença é que a inteligência artificial pode reproduzir determinados comportamentos desses modelos com muito menos esforço computacional.
Também é importante distinguir previsões climáticas de longo prazo das previsões meteorológicas utilizadas para saber se vai chover amanhã.
A pesquisa do MIT está concentrada principalmente na simulação de cenários climáticos futuros, especialmente aqueles relacionados às emissões humanas.
Portanto, a tecnologia não significa que os cientistas conseguirão prever com precisão absoluta o clima de qualquer região.
O próximo desafio será testar a técnica em outros modelos
A equipe pretende ampliar os experimentos para verificar como o método funciona com diferentes sistemas climáticos.
Os pesquisadores também querem investigar possíveis aplicações em outras áreas da inteligência artificial, incluindo visão computacional.
Para Noelle E. Selin, professora do MIT e uma das responsáveis pelo estudo, acelerar o treinamento poderá permitir que pesquisadores tenham acesso a ferramentas atualizadas com maior frequência.
Atualmente, a preparação de determinados emuladores pode levar meses ou até anos, dificultando sua atualização diante de novos dados científicos.
A nova técnica procura reduzir esse intervalo sem comprometer a confiabilidade dos resultados.
O avanço não resolve o aquecimento global, mas poderá transformar a maneira como os cientistas estudam suas consequências. Ao tornar as simulações mais rápidas e acessíveis, a inteligência artificial amplia as possibilidades de investigar futuros climáticos e planejar respostas aos desafios ambientais.
