Pesquisadores aplicaram IA nas "ressacas" de Santos (SP) para melhorar precisão das previsões de eventos climáticos extremos
O município de Santos, no litoral do estado de São Paulo, enfrenta marés de tempestade – conhecidas popularmente como “ressacas” – com frequência. E elas ameaçam infraestrutura e ecossistemas locais. Mas essa condição serviu de cenário para uma pesquisa na área de inteligência artificial (IA).
O que IA tem a ver com marés de tempestade em Santos
• O município de Santos, no litoral paulista, frequentemente enfrenta marés de tempestade (as “ressacas”) que ameaçam sua infraestrutura e ecossistemas. Por isso, o município serviu de cenário para uma pesquisa no campo da inteligência artificial (IA). O estudo foi desenvolvido em colaboração entre a Fapesp, a IBM Brasil e a Poli-USP. E publicado no periódico Proceedings of the AAAI Conference on Artificial Intelligence;
• O projeto focou em integrar aprendizado de máquina com modelos físicos tradicionais para melhorar a precisão das previsões de eventos climáticos extremos. Essa abordagem, chamada de “Aprendizado de Máquina Informado pela Física”, permite a incorporação de dados reais e recentes, superando as limitações dos modelos convencionais que muitas vezes não conseguem adaptar-se rapidamente a novas informações;
• A pesquisa liderada por Anna Helena Reali Costa, da Escola Politécnica da USP, utilizou dados da cidade de Santos para testar este novo modelo híbrido. A equipe desenvolveu uma técnica inovadora para representar a passagem do tempo em redes neurais, o que facilita o manejo de dados sensoriais irregulares, comuns em medições ambientais;
• Além de melhorar as previsões de marés de tempestade, o modelo tem potencial para ser aplicado em outros setores que lidam com dados temporais e irregulares, como saúde e finanças. A professora Reali Costa destacou a habilidade do modelo de integrar diferentes tipos de dados, como imagens de satélite e informações numéricas, prometendo previsões mais robustas e adaptáveis para diversos cenários climáticos.
O estudo usou ferramentas de aprendizado de máquina para otimizar os sistemas atuais de previsão de eventos climáticos extremos. Recentemente, um artigo sobre a pesquisa foi publicado no periódico Proceedings of the AAAI Conference on Artificial Intelligence, repercutido no site da Agência Fapesp.
Este projeto é parte do Centro de Inteligência Artificial, uma colaboração entre a Fapesp, a IBM Brasil e a Escola Politécnica da USP (Poli-USP).
Como IA pode melhorar previsões climáticas
O objetivo dos pesquisadores foi aprimorar a precisão dessas previsões, essenciais para a proteção e planejamento em áreas vulneráveis (vide o impacto das chuvas intensas recentes no Rio Grande do Sul, por exemplo).
O estudo utilizou dados de Santos como amostra para testar novos modelos de previsão. A pesquisa foi liderada por Anna Helena Reali Costa, da Escola Politécnica da USP, e teve Marcel Barros como primeiro autor.
Os modelos tradicionais, que dependem de equações físicas para prever eventos como marés e ondas, muitas vezes se mostram limitados por não poderem incorporar novos dados de forma eficaz. Esses modelos são essenciais, mas sua complexidade e necessidade de simplificações os tornam menos flexíveis.
O novo modelo proposto combina os métodos tradicionais com o aprendizado de máquina, permitindo a incorporação de dados reais e recentes nos cálculos. Esta abordagem, conhecida como “Aprendizado de Máquina Informado pela Física”, melhora significativamente a acurácia das previsões.
IA pode ser aplicada para previsões de marés, saúde, finanças
Marcel Barros destacou que a integração de diferentes fontes de dados é crucial para enfrentar a irregularidade dos dados sensoriais, que podem apresentar falhas e lacunas. A equipe desenvolveu uma técnica para representar a passagem do tempo em redes neurais, facilitando a gestão de dados incompletos.
O modelo não apenas melhora a previsão de marés e ondas, mas também tem potencial para ser aplicado em outros campos que dependem de dados temporais irregulares, como o monitoramento de saúde e a análise financeira.
A professora Reali Costa enfatizou a capacidade do modelo de integrar diversas modalidades de dados, como imagens de satélite e informações numéricas, o que abre caminho para previsões mais robustas e adaptáveis a diferentes cenários de eventos climáticos extremos.
