TO número de pessoas que vivem em áreas urbanas aumentou triplicou nos últimos 50 anos, ou seja, quando uma grande catástrofe natural, como um terramoto, atinge uma cidade, mais vidas correm perigo. Enquanto isso, a força e a frequência de eventos climáticos extremos aumentaram – uma tendência definido para continuar à medida que o clima esquenta. Isto está a estimular esforços em todo o mundo para desenvolver uma nova geração de sistemas de monitorização de terramotos e de previsão climática para tornar a detecção e resposta a catástrofes mais rápida, barata e precisa do que nunca.
No dia 6 de novembro, no Centro de Supercomputação de Barcelona, na Espanha, a Iniciativa Global sobre Resiliência a Riscos Naturais por meio de Soluções de IA se reunirá pela primeira vez. As novas Nações Unidas iniciativa visa orientar governos, organizações e comunidades no uso de IA para gestão de desastres.
A iniciativa baseia-se em quase quatro anos de trabalho de base estabelecido pela União Internacional de Telecomunicações, pela Organização Meteorológica Mundial (OMM) e pelo Programa das Nações Unidas para o Ambiente, que no início de 2021 convocaram colectivamente uma grupo focal para começar a desenvolver melhores práticas para o uso de IA na gestão de desastres. Isso inclui melhorar a coleta de dados, melhorar as previsões e simplificar as comunicações.
“O que considero interessante é que, para um tipo de perigo, existem muitas formas diferentes de aplicação da IA e isso cria muitas oportunidades”, afirma Monique Kuglitsch, que presidiu o grupo focal. Tomemos como exemplo os furacões: em 2023, pesquisadores mostraram que a IA poderia ajudar os legisladores a identificar os melhores lugares para colocar sensores de trânsito para detectar bloqueios de estradas após tempestades tropicais em Tallahassee, Flórida. E em outubro, os meteorologistas usaram modelos de previsão meteorológica de IA para com precisão prever que o furacão Milton pousaria perto de Siesta Key, Flórida. A IA também está sendo usada para alertar o público de forma mais eficiente. No ano passado, o Serviço Meteorológico Nacional anunciado uma parceria com empresa de tradução de IA Lilt para ajudar a fornecer previsões em espanhol e chinês simplificado, o que, segundo ela, pode reduzir o tempo de tradução de um alerta de furacão de uma hora para 10 minutos.
Além de ajudar as comunidades a prepararem-se para catástrofes, a IA também está a ser utilizada para coordenar os esforços de resposta. Seguindo ambos Furacão Milton e Furacão Iana organização sem fins lucrativos GiveDirectly usou modelos de aprendizado de máquina do Google para analisar imagens pré e pós-satélite para identificar as áreas mais afetadas e priorizar as doações em dinheiro de acordo. No ano passado, a análise de imagens aéreas por IA foi implantada em cidades como Quelimane, em Moçambique, após o ciclone Freddy e Adıyaman, na Turquia, após um terremoto de magnitude 7,8, para ajudar nos esforços de resposta.
A operação de sistemas de alerta precoce é principalmente uma responsabilidade governamental, mas a modelação climática por IA – e, em menor grau, a deteção de terramotos – tornou-se uma indústria privada em expansão. Comece IA sísmica diz que está trabalhando com as agências de proteção civil nos estados mexicanos de Guerrero e Jalisco para implantar uma rede de sensores aprimorada por IA, que detectaria terremotos em tempo real. Gigantes da tecnologia Google, Nvidiae Huawei estão em parceria com analistas europeus e afirmam que os seus modelos baseados em IA podem gerar previsões precisas de médio prazo milhares de vezes mais rapidamente do que os modelos tradicionais, ao mesmo tempo que são menos intensivos em termos computacionais. E em setembro, a IBM parceria com a NASA para lançar um modelo de código aberto de uso geral que pode ser usado para vários casos de modelagem climática e que roda em um desktop.
Avanços de IA
Embora as técnicas de aprendizagem automática tenham sido incorporadas nos modelos de previsão meteorológica durante muitos anos, os avanços recentes permitiram que muitos novos modelos fossem construídos utilizando IA desde o início, melhorando a precisão e a velocidade das previsões. Os modelos tradicionais, que dependem de equações complexas baseadas na física para simular as interações entre a água e o ar na atmosfera e requerem supercomputadores para funcionar, podem levar horas para gerar uma única previsão. Em contraste, os modelos meteorológicos de IA aprendem a detectar padrões treinando em décadas de dados climáticos, a maioria dos quais foram recolhidos através de satélites e sensores terrestres e partilhados através da colaboração intergovernamental.
As previsões baseadas em IA e na física funcionam dividindo o mundo em uma grade tridimensional de caixas e, em seguida, determinando variáveis como temperatura e velocidade do vento. Mas como os modelos de IA são mais eficientes computacionalmente, eles podem criar grades muito mais refinadas. Por exemplo, o modelo de maior resolução do Centro Europeu de Previsões Meteorológicas de Médio Prazo divide o mundo em caixas de 5,5 milhas, enquanto a startup de previsão Atmo oferece modelos mais precisos do que uma milha quadrada. Este aumento na resolução pode permitir uma alocação mais eficiente de recursos durante eventos climáticos extremos, o que é particularmente importante para as cidades, diz Johan Mathe, cofundador e CTO da empresa, que no início deste ano assinou ofertas com as Filipinas e a nação insular de Tuvalu.
Limitações
Os modelos orientados por IA normalmente são tão bons quanto os dados nos quais são treinados, o que pode ser um fator limitante em alguns lugares. “Quando você está em uma situação de alto risco, como um desastre, você precisa poder confiar no resultado do modelo”, diz Kuglitsch. As regiões mais pobres – muitas vezes no linha de frente dos desastres relacionados com o clima – normalmente têm menos sensores meteorológicos e têm uma manutenção pior, por exemplo, criando lacunas nos dados meteorológicos. Os sistemas de IA treinados com base nestes dados distorcidos podem ser menos precisos nos locais mais vulneráveis a desastres. E, ao contrário dos modelos baseados na física, que seguem regras definidas, à medida que os modelos de IA se tornam mais complexos, funcionam cada vez mais como sofisticadas “caixas negras”, onde o caminho entre a entrada e a saída se torna menos transparente. O foco da iniciativa da ONU está no desenvolvimento de diretrizes para o uso responsável da IA. Kuglitsch diz que os padrões poderiam, por exemplo, encorajar os desenvolvedores a divulgar as limitações de um modelo ou garantir que os sistemas funcionem além das fronteiras regionais.
A iniciativa testará as suas recomendações no terreno, colaborando com as previsões mediterrânicas e pan-europeias e Sistema de alerta precoce contra perigos naturais (MedEWSa), um projeto que surgiu do grupo focal. “Iremos aplicar as melhores práticas do grupo focal e obter um ciclo de feedback para descobrir quais das melhores práticas são mais fáceis de seguir”, diz Kuglitsch. Um projeto piloto MedEWSa irá explorar a aprendizagem automática para prever a ocorrência de incêndios florestais numa área ao redor de Atenas, na Grécia. Outro usará a IA para melhorar os avisos de inundações e deslizamentos de terra na área ao redor da cidade de Tbilisi, na Geórgia.
Entretanto, empresas privadas como a Tomorrow.io procuram colmatar estas lacunas através da recolha dos seus próprios dados. A start-up de previsão meteorológica de IA lançou satélites com radar e outros sensores meteorológicos para recolher dados de regiões que não possuem sensores terrestres, que combina com dados históricos para treinar os seus modelos. A tecnologia do Tomorrow.io está sendo usada por cidades da Nova Inglaterra, incluindo Boston, para ajudar as autoridades municipais a decidir quando salgar as estradas antes da neve. Também é usado pela Uber e Delta Airlines.
Outra iniciativa da ONU, a Mecanismo de financiamento de observações sistemáticas (SOFF), também visa colmatar a lacuna de dados meteorológicos, fornecendo financiamento e assistência técnica aos países mais pobres. Johan Stander, diretor de serviços da OMM, um dos parceiros da SOFF, afirma que a OMM está a trabalhar com criadores privados de IA, incluindo a Google e a Microsoft, mas sublinha a importância de não transferir demasiada responsabilidade para os sistemas de IA.
“Você não pode ir até uma máquina e dizer: ‘OK, você estava errado. Responda-me, o que está acontecendo? Você ainda precisa de alguém para assumir essa propriedade”, diz ele. Ele vê o papel das empresas privadas como “apoiar os serviços nacionais de met, em vez de tentar assumi-los”.
