Os modelos de IA fortes em crescimento podem criar previsões climáticas de curto prazo com uma precisão incrível. Mas as redes neurais prevê apenas baseados em padrões passados - o que acontece quando o clima registra algo sem precedentes na história? Uma nova pesquisa liderada por cientistas da Universidade de Nova York e Santa Cruz na Universidade da Califórnia está examinando os limites da previsão meteorológica orientada pela IA. No estudo publicado em 21 de maio Atividades da Academia Nacional de CiênciasEles descobriram que as redes neurais não podiam prever eventos climáticos além da oportunidade de informações de treinamento existentes-que poderiam deixar 200 anos de inundações, ondas de calor sem precedentes ou enormes eventos de furacão.
Essa restrição é especialmente importante porque os pesquisadores incluem redes neurais para a previsão de clima operacional, alertas primários e avaliações de risco de longo prazo, disseram escritores. No entanto, eles também dizem que o equipamento de IA tem uma maneira de resolver o problema, integrando mais matemática e física.
“Os modelos climáticos de IA são uma das maiores conquistas da IA da ciência. O que recebemos é notável, mas não mágico”, Padram Hasanjadeh, professor associado de ciência geofísica em Uchicago e autor de pesquisa. “Tivemos apenas esses modelos por anos, então há muitos lugares para a inovação”.
Cinza
A previsão do tempo AIS funciona da mesma forma com outras redes neurais que muitas pessoas agora se comunicam como o Chatzpt.
Basicamente, em um modelo, é “treinado” alimentando um monte de textos ou imagens e pede os sinais de padrões. Então, quando um usuário apresenta o modelo com uma pergunta, ele relembra o que é visto anteriormente e o usa para prever a resposta.
No caso de previsões meteorológicas, os cientistas treinam redes neurais, alimentando décadas de valiosos dados climáticos. Em seguida, um usuário pode inserir dados sobre as condições climáticas atuais e pedir ao modelo para prever o clima nos próximos dias.
Os modelos de IA são muito bons nisso. Geralmente, eles podem atingir a mesma precisão que o modelo climático de primeira linha, que é de 10.000 a 100.000 vezes mais tempo e energia, disse Hasanjadeh.
“Esses modelos são realmente bons para o clima diário”, disse ele. “Mas se a próxima semana for um evento climático estranho?”
A ansiedade é que a rede neural está atualmente trabalhando no clima em que estamos trabalhando atualmente, pois estamos cerca de 40 anos atrás. No entanto, essa não é uma gama completa de clima em potencial.
Hasanzadeh diz: “As inundações causadas pelo furacão Harvey em 20 2017 já foram consideradas como um evento de -2.000 anos”, disse Hasanjadeh. “Eles podem acontecer.”
Os cientistas às vezes se referem a esses eventos como eventos “cisne cinza”. Eles não estão completamente em um evento de cisne preto – algo como os asteróides mortos por dinossauros – mas são destruídos localmente.
A equipe decidiu testar os limites dos modelos de IA usando furacões como exemplo. Eles treinaram uma rede neural usando décadas de dados climáticos, mas todos os furacões poderiam remover mais do que a categoria 2 e o modelo de extractolet poderia prever o poder do furacão?
Não houve resposta.
“Sempre subestima o evento. O modelo sabe que algo está por vir, mas sempre prevê que será apenas um furacão de categoria 2”, diz Yankiang Sun, cientista da Uchicago, e outro autor relacionado neste estudo.
Esse tipo de erro, conhecido como falso negativo, é um grande problema na previsão do tempo. Se uma previsão lhe disser que uma tempestade será um furacão de categoria 5 e é simplesmente provado como uma categoria 2, significa que as pessoas não precisam ser necessárias, o que não é idealO No entanto, se uma previsão SobUm furacão assume que, como visto como 5 em 5 categorias, as consequências serão piores.
Alerta de furacão E por que o assunto da física é importante
A principal diferença entre a rede neural e os modelos tradicionais de meteorologia é que os modelos tradicionais desertos “entendem” física “. Os cientistas os projetaram para incluir nossa compreensão da matemática e física que gerenciam dinâmica atmosférica, fluxos de jato e outros eventos.
As redes neurais não estão fazendo nada disso. Como o Chatzipt, que é basicamente uma máquina de texto preditiva, eles só vêem os padrões climáticos e se refere ao que acontece ao lado do que aconteceu no passado.
Atualmente não estão usando nenhum grande serviço Apenas Modelo de IA para previsões. No entanto, à medida que seu uso se expande, essa tendência precisa ser implementada, disse Hasanjadeh.
De meteorologistas a economistas, os pesquisadores começaram a usar a IA para avaliar o risco a longo prazo. Por exemplo, eles podem pedir a uma IA para criar muitos exemplos de padrões climáticos, para que possamos ver os eventos mais extremos que podem acontecer em todas as regiões no futuro. No entanto, se uma IA não puder prever nada mais forte do que o visto antes, sua eficácia para esse trabalho crítico será limitada. No entanto, eles conseguiram o modelo Impossível Se houver um precedente em qualquer outro lugar no mundo do treinamento, prevê um forte furacão. Por exemplo, se os pesquisadores removerem todas as evidências do furacão do Atlântico, o Pacífico se move para o furacão, o modelo pode extrolet para prever o furacão do Atlântico.
Hasanzadeh disse: “Foi uma pesquisa incrível e entusiasmada: significa que os modelos podem prever um evento indesejado em uma área, mas uma vez na outra região aconteceu”, disse Hasanzadeh.
Abordagem de fusão
Os pesquisadores sugeriram que a solução é começar a incorporar equipamentos matemáticos e princípios de física atmosférica em modelos baseados em IA.
Hasanzadeh disse: “Espera -se que, se os modelos de IA realmente aprenderem dinâmica atmosférica, eles possam determinar como prever o ganso cinza”, disse Hasanjadeh.
Como fazer isso é uma área quente de pesquisa. Um dos métodos de comprometimento que a equipe está seguindo é que a aprendizagem ativa-AI, onde a IA ajuda a orientar os modelos climáticos tradicionais baseados em física para criar mais exemplos de eventos extremos, que podem ser usados para melhorar o treinamento de IA posteriormente.
“Os conjuntos de dados simulados ou observados há muito tempo não estão trabalhando no professor Jonathan Wee do Kursu de ciências matemáticas da Universidade de Nova York”, não estão funcionando os conjuntos de dados simulados ou observados mais longos. Precisamos pensar na maneira mais inteligente de gerar dados. “” Nesse caso, significa responder a essa pergunta ‘Onde meus dados de treinamento devem ser mantidos para alcançar um melhor desempenho no final?’ Felizmente, achamos que os modelos climáticos de IA podem ajudar a responder a essa pergunta quando estão integrados ao equipamento matemático certo
O professor Dorian Abbott e o cientista computacional Mohsen Jand também foram co-autores do estudo, bem como Acen Chattopadhyay, da Santa Cruise University, na Califórnia.
O estudo utilizou os recursos operados pelo Centro de Pesquisa da Universidade da Universidade de Chicago.
