A IA ajuda a desvendar a complexidade do clima, do tempo e da utilização dos solos e a encontrar soluções para as alterações climáticas Como pode a IA ajudar nas alterações climáticas?

Imagens geradas por IA com base em avisos “tornado na zona rural do meio-oeste dos Estados Unidos”, “tempestade com relâmpagos sobre a cidade” e “campo de milho”. Crédito: DALL-E (os dois primeiros da esquerda) e Microsoft Bing Image Creator, solicitado por Everett Hogrefe e Jayme DeLoss

história de Jayme DeLoss publicada em 31 de agosto de 2023

Imagine que pudéssemos prever não só tempestades severas dentro de uma semana, mas também como será o clima daqui a 50 anos e como as estratégias de intervenção poderão diminuir os impactos das alterações climáticas. Pesquisadores da Colorado State University estão desenvolvendo maneiras de fazer todas essas coisas usando uma ferramenta poderosa: a inteligência artificial.

A professora de ciências atmosféricas Elizabeth Barnes usa o aprendizado de máquina, um subconjunto da IA, para desembaraçar a complexidade da ciência climática. O professor Russ Schumacher, climatologista do estado do Colorado e diretor do Colorado Climate Center, liderou o desenvolvimento de um modelo de aprendizado de máquina que pode prever com precisão condições climáticas severas com quatro a oito dias de antecedência e agora é usado diariamente nas operações do Serviço Meteorológico Nacional. E uma equipe liderada pelo ilustre professor universitário Keith Paustian, do Departamento de Ciências do Solo e das Culturas, levará a experiência mundialmente renomada da CSU em quantificação de gases de efeito estufa para o próximo nível, combinando seus pontos fortes com os do aprendizado de máquina.

O grupo de pesquisa de Barnes usa aprendizado de máquina para detectar os impactos das mudanças climáticas, prever o tempo e o clima dentro de algumas semanas ou décadas no futuro e explorar os resultados potenciais de estratégias hipotéticas de intervenção climática, como a geoengenharia.

O sistema climático é incrivelmente complexo e aqueles que o estudam dependem de enormes quantidades de dados. Barnes disse que o aprendizado de máquina é a ferramenta perfeita para cientistas climáticos.

“Sempre usamos dados e tentamos extrair toda a complexidade do sistema climático e torná-lo compreensível para um ser humano, e agora o aprendizado de máquina está nos permitindo ir ainda mais fundo e encontrar relações ainda mais complicadas”, disse ela. . “O ponto em que estamos agora ainda está tentando tornar suas previsões compreensíveis para os humanos.”

Com dados suficientes, um modelo de aprendizagem automática suficientemente complexo pode encontrar padrões entre o ruído e potencialmente produzir previsões precisas, mas Barnes está interessado em IA explicável – isto é, descobrir como um modelo de aprendizagem automática chegou à conclusão que chegou. Ela compara a decifração do processo do modelo à resolução de um labirinto, começando pelo final e trabalhando de trás para frente.

“Sempre utilizamos dados e tentamos extrair toda a complexidade do sistema climático e torná-lo compreensível para um ser humano, e agora o aprendizado de máquina está nos permitindo ir ainda mais fundo e encontrar relações ainda mais complicadas. O ponto em que estamos agora ainda está tentando tornar suas previsões compreensíveis para os humanos.”

—Professora de Ciências Atmosféricas Elizabeth Barnes

“Se fizer um bom trabalho e pudermos aprender por que foi capaz de fazê-lo, aprenderemos realmente uma nova ciência climática”, disse Barnes.

Seu grupo também está focado em IA interpretável – às vezes chamada de IA transparente. Eles estão começando do zero, construindo modelos de aprendizado de máquina do zero, para que os modelos sejam compreensíveis para as pessoas em cada etapa do processo.

“Esse é um processo muito mais lento e, honestamente, muito mais difícil”, disse Barnes, “mas o resultado é que, quando se faz uma previsão, você não precisa perguntar: 'Por que fez essa previsão?' Você já sabe por quê.

A explicabilidade e a interpretabilidade são duas peças que podem ajudar as pessoas a confiar na IA, mas muitos outros fatores entram em jogo. Barnes, Imme Ebert-Uphoff, cientista do Instituto Cooperativo para Pesquisa na Atmosfera e professor do Departamento de Engenharia Elétrica e de Computação, e o professor de Ciência da Computação Chuck Anderson estão explorando o que será necessário para criar uma IA confiável para estudar o tempo e o clima . Eles são parceiros do Instituto de Pesquisa sobre IA confiável em clima, clima e oceanografia costeira, financiado pela National Science Foundation, liderado pela Universidade de Oklahoma.