MIT cria IA que prevê clima extremo sem dados históricos
Engenheiros do MIT desenvolveram uma IA que prevê eventos climáticos extremos usando estatísticas pontuais e mapas espaciais, sem depender de desastres já registrados. O método pode gerar cenários plausíveis para planejamento urbano e infraestrutura.
Ferramenta gera cenários plausíveis de eventos extremos para planejamento e infraestrutura
Engenheiros do MIT desenvolveram uma ferramenta de inteligência artificial capaz de prever eventos climáticos extremos sem depender de dados históricos de desastres já registrados.
Método
O sistema foi criado por Kai Chang, estudante de pós-graduação em engenharia mecânica, e Themis Sapsis, professor do MIT. O método, chamado Extreme Event Aware ou η-learning, foi descrito em artigo publicado na Nature Communications em 20 de agosto.
A ferramenta combina estatísticas pontuais, a frequência com que determinado nível de intensidade aparece em um conjunto de dados, e mapas espaciais, que mostram como o impacto varia por região. A partir dessa relação, o algoritmo pode gerar padrões espaciais para eventos mais extremos do que os observados no treinamento.
Por que isso importa
Modelos tradicionais normalmente dependem de conjuntos de dados que já contêm eventos extremos e projetam padrões semelhantes. Segundo Chang, essa abordagem limita o que os modelos podem mostrar.
“Esses métodos assumem que existem eventos muito desastrosos no conjunto de dados e constroem uma forma de estimar o risco desses eventos ou prever exatamente os eventos que já aconteceram”, diz Kai Chang.
Sapsis usa o furacão Katrina como exemplo. Ele afirma que um evento assim ocorre a cada 30 ou 40 anos e pergunta qual seria o equivalente a cada 100 anos, com o objetivo de ajudar planejadores a se preparar para cenários extremos plausíveis.
Testes
O grupo testou o método em dados de precipitação dos Estados Unidos continentais. Foram usados 25 anos de registros horários de chuva, convertidos em mapas diários. A parte espacial do algoritmo foi treinada com apenas seis meses desse registro, período com poucos ou nenhum exemplo das chuvas mais intensas.
Segundo os pesquisadores, o sistema pode gerar mapas plausíveis para uma tempestade que produza 300 milímetros de chuva em Nova York, mesmo que o recorde histórico da cidade seja de 200 milímetros. Cada mapa inclui estimativas de duração, intensidade e área afetada.
Aplicações e limites
Cenários gerados poderiam ajudar cidades a testar defesas contra tempestades, avaliar a resiliência do sistema elétrico durante ondas de calor mais longas ou verificar se recursos contra incêndios florestais seriam suficientes para eventos maiores que os registrados.
Os autores alertam que aplicar o método a outro risco exige estatísticas pontuais e dados espaciais específicos desse risco. Eles citam possíveis extensões, como visualizar enchentes severas e incêndios sem equivalente histórico.
“Um único evento extremo se propaga por cadeias de suprimento, mercados de energia e sistemas alimentares em semanas”, afirma Sapsis. “Atribuir uma probabilidade a um evento que ainda não aconteceu é hoje uma questão de resiliência nacional e econômica.”
Sapsis ocupa a William I. Koch Professorship em Engenharia Mecânica e Oceânica no MIT. Ambos os pesquisadores estão ligados ao MIT Center for Computational Science and Engineering, e Sapsis também tem vínculo com o MIT Institute for Data, Systems, and Society.
Este conteúdo foi produzido com o auxílio de ferramentas de inteligência artificial para compilação de dados e revisado integralmente por um jornalista da redação antes de sua publicação.
