Cientistas de uma empresa do Google abocanharam um prêmio Nobel por terem solucionado um dos problemas intratáveis da biologia: como as proteínas se enovelam e atingem sua estrutura tridimensional. Eles resolveram o problema usando um sistema de inteligência artificial (IA) treinado com todas as estruturas conhecidas. E, como para demonstrar que os novos sistemas de IA podem resolver problemas completamente diferentes, eles usaram um sistema de IA para treinar um computador a jogar Go, um jogo muito mais complicado que o xadrez. Bingo, funcionou e o sistema derrotou o melhor jogador de Go.
Agora, o mesmo grupo resolveu atacar um dos outros problemas considerados intratáveis: a previsão do clima em um horizonte de 15 dias. E bingo novamente, acabam de publicar um trabalho que descreve um sistema de IA que acerta mais a previsão do que o melhor sistema disponível no mundo.
Tudo isso demonstra o poder e a versatilidade dos novos sistemas de IA. Mas, afinal, o que tem a ver o enovelamento de proteínas com o jogo de Go e com a previsão do clima para serem resolvidos com a mesma ferramenta?
Na verdade, esses três problemas têm uma coisa em comum. É a existência de uma enorme quantidade de exemplos que podem ser usados para treinar o sistema de IA.
No caso do Go foram milhões de partidas individuais. No caso das proteínas, foram milhares de estruturas enoveladas determinadas uma a uma durante décadas. E, no caso da previsão do tempo, foram décadas de dados coletados em todo o planeta.
Até recentemente, para atacar um problema como os citados acima os cientistas primeiro descobriam os princípios físicos, químicos e lógicos que determinavam o processo que queriam entender. Com base nesses princípios construíam um modelo que descreve o sistema e, então, usavam esse modelo para prever o que iria acontecer, seja como a proteína se enrola, seja como as massas de ar se deslocam, seja como as peças devem ser colocadas no tabuleiro de Go.
Um exemplo simples é o modelo matemático que aprendemos na escola para descrever a aceleração de um corpo em queda. Newton descobriu a lei que descreve o fenômeno: uma força, a gravidade, atrai o corpo e essa força depende da massa do corpo e aceleração. Lembram? F=ma. E usando essa equação fazemos as contas.
No caso dos sistemas de IA não precisamos conhecer antes a lei ou fazer contas baseados no modelo matemático. Basta que tenhamos milhares de filmes ou medidas de como os corpos caem de fato. Treinando o sistema com todos esses dados, ele, sozinho, passa a ser capaz de prever como qualquer corpo vai cair. Basta treinar o sistema com os exemplos.
No caso desse novo sistema de previsão do tempo, o sistema de IA foi treinado com todos os dados meteorológicos coletados em todo o planeta, a cada instante, entre 1979 e 2018. Isso inclui os dados das estações meteorológicas espalhadas pelo planeta, os dados coletados por satélites, por balões e por aviões. São dados como temperaturas, ventos, umidade e pressão coletados continuamente por 40 anos.
Usando esses dados, sem as equações das leis da termodinâmica e outras leis da física e da química, o sistema de IA foi capaz de produzir previsões sobre como será o clima para cada local do planeta, a cada hora, nas próximas 360 horas (15 dias). Para recalcular a previsão a cada hora e atualizar a previsão o sistema computacional leva somente 8 minutos.
O sistema gera previsões para cada quadrado da superfície do planeta de 2,5 graus de longitude e latitude (no equador isso equivale a um quadrado de 278 por 278 quilômetros). O sistema está sendo melhorado para prever o clima em quadrados menores, de 11 quilômetros de lado, o tamanho de uma cidade média ou de uma grande fazenda.
Quando comparado com o melhor sistema atual, o sistema de IA faz previsões mais precisas em 97% dos casos, é mais rápido e produz diversos cenários associados às suas respectivas probabilidades, o que os melhores sistemas atuais não produzem.
A previsão do tempo tem se tornado cada vez mais importante com as mudanças climáticas e um sistema que consistentemente consegue prever o tempo com até 15 dias de antecedência vai ter um impacto enorme na agricultura e na prevenção de desastres climáticos, como tempestades, furacões e inundações. E esta é somente a primeira versão do sistema. Aparentemente a empresa do Google liberou o código fonte do software para uso gratuito pela humanidade.
Mais informações: Probabilistic weather forecasting with machine learning. Nature https://doi.org/10.1038/s41586-024-08252-9 2024