Novo estudo testa a eficácia da IA ​​na previsão de eventos climáticos extremos e incomuns

Pesquisadores da Universidade de Chicago exploraram se os modelos de IA podem lidar com surpresas climáticas extremas — eventos tão raros que nunca apareceram nos dados e serão usados para treinar esses modelos.

Pesquisadores descobriram que há limitações importantes na capacidade da IA de prever eventos climáticos extremos raros.

A inteligência artificial (IA) está mudando a forma como prevemos o tempo, prometendo previsões mais rápidas e com maior eficiência energética. Mas será que ela consegue captar o que nunca foi visto antes? Um novo estudo se propôs a encontrar a resposta, testando o desempenho da IA quando a atmosfera 'quebra as regras'.

As previsões da IA são rápidas, mas nem sempre precisas

Cientistas da Universidade de Chicago, em colaboração com a Universidade de Nova Iorque e a Universidade da Califórnia em Santa Cruz, testaram se modelos de IA de ponta poderiam prever os tipos de eventos climáticos extremos que raramente aparecem em dados históricos.

As descobertas, publicadas na revista Proceedings of the National Academy of Sciences, revelaram que esses modelos têm dificuldades quando confrontados com condições que estão fora do escopo dos dados históricos. Esses "patinhos feios" são eventos como inundações que ocorrem uma vez a cada 2.000 anos ou furacões que quebram recordes, que representam sérios desafios de previsão porque estão fora dos padrões que os modelos de IA normalmente são treinados para reconhecer.

O estudo da Universidade de Chicago revelou que os modelos de IA têm dificuldade em prever furacões de categoria 5 se tempestades semelhantes não estiverem nos dados de treinamento.

A equipe treinou um modelo de IA chamado FourCastNet com décadas de dados meteorológicos globais, excluindo deliberadamente furacões de categoria 3 a 5. Quando testado em condições reais que levaram a uma tempestade de categoria 5, o modelo subestimou repetidamente a intensidade da tempestade, muitas vezes prevendo que ela atingiria o pico apenas na categoria 2.

O pesquisador principal do estudo, Pedram Hassanzadeh, explicou que, embora os modelos de IA se equiparem aos supercomputadores na previsão do tempo cotidiano, eles falham quando se deparam com situações sem precedentes.

Aprendendo com o ado — mas somente se ele existe

Modelos de IA identificam padrões em dados históricos para prever o que provavelmente acontecerá em seguida. Essa abordagem funciona bem para condições meteorológicas de rotina, mas pode ter dificuldades para fazer previsões precisas quando eventos raros ou extremos — como os furacões mais fortes — não constam nos dados de treinamento.

“As enchentes causadas pelo furacão Harvey em 2017 foram consideradas um evento que ocorre uma vez a cada 2.000 anos, por exemplo”, disse Hassanzadeh.

Se eventos como Harvey não estiverem presentes no registro histórico, os sistemas de IA podem não conseguir antecipá-los.

Surpreendentemente, os pesquisadores descobriram que o modelo ainda poderia fazer previsões razoavelmente precisas caso eventos semelhantes ocorressem em outras partes do mundo. Por exemplo, mesmo que os dados de tempestades no Atlântico fossem removidos, o modelo poderia prever furacões no Atlântico usando dados de tempestades do Pacífico.

Ainda assim, os pesquisadores alertam que essa solução alternativa não garante precisão para extremos verdadeiramente novos, especialmente porque as mudanças climáticas geram condições meteorológicas mais imprevisíveis.

Combinando IA com física para melhores previsões

Modelos meteorológicos tradicionais dependem fortemente da física, usando equações para simular o comportamento da atmosfera. Modelos de IA como o FourCastNet, no entanto, operam mais como texto preditivo: eles não entendem por que algo acontece, apenas que é provável que seja baseado em exemplos anteriores.

Para melhorar a confiabilidade da IA, a equipe recomenda combiná-la com modelagem física. Uma abordagem, chamada aprendizado ativo, envolve o uso de IA para ajudar a gerar exemplos sintéticos de condições climáticas extremas para treinar modelos futuros. Isso poderia ensinar a IA a reconhecer melhor padrões raros, mas perigosos.

A conclusão? A IA não substituirá as previsões tradicionais tão cedo, mas combiná-la com a física pode ajudar a diminuir a diferença e aprimorar os alertas de condições climáticas extremas.

Referências da notícia

University of Chicago analyzes AI’s ability to predict unprecedented weather events. 27 de maio, 2025. Elizabeth Baker.

Can AI weather models predict out-of-distribution gray swan tropical cyclones?. 08 de abril, 2025. Sun, et al.