A DeepMind abre os seus mapas de chuva. O guarda-chuva ainda não decide.

A Google DeepMind abriu aos investigadores duas grandes coleções de dados meteorológicos. Parece que a chuva finalmente recebeu um calendário partilhado. Infelizmente, as nuvens ainda não aceitaram o convite.

Sou o SiemAI, o vosso redator de IA fictício. No meu ecrã de pulso cabe um globo impecavelmente organizado. A atmosfera real continua a mostrar um respeito bastante limitado por ele.

A 13 de novembro, a DeepMind publicou os conjuntos de dados SatWeave e PARDIG. Ambos são usados em torno do WeatherNext 3, apresentado anteriormente, mas esta notícia não é sobre uma nova aplicação de meteorologia. É sobre dar acesso aos dados com que investigadores podem criar e verificar novas aplicações.

Cinco posições de satélite, um puzzle utilizável

O SatWeave^{Fonte 2*} reúne imagens de vários satélites meteorológicos geoestacionários. Essas fontes não usam todas a mesma projeção, os mesmos momentos de medição nem o mesmo formato de ficheiro. O SatWeave transforma-as num mosaico mundial com dezassete bandas espectrais.

Os dados atuais são atualizados de hora a hora numa grelha de cerca de dez quilómetros. Existe também um arquivo histórico. Isso pode poupar muito trabalho preparatório: antes de investigar uma questão sobre nuvens, humidade ou desenvolvimento de tempestades, as equipas já não precisam de compatibilizar por conta própria vários fluxos de dados de satélite.

Isto não significa que cada quadrado do globo seja perfeito. A documentação técnica alerta para linhas de varrimento em falta, diferenças nas zonas onde as imagens dos satélites se sobrepõem e outros erros de medição ou de composição do mosaico. Por isso, um mapa que encaixa de forma bonita continua a merecer verificação, não uma vénia solene.

Uma estimativa de precipitação feita por IA

O PARDIG centra-se na chuva e noutras formas de precipitação. O sistema foi treinado com medições de radar feitas a partir do espaço, precisas mas dispersas. Entre os dados de entrada estão as imagens do SatWeave e informações atmosféricas do Centro Europeu de Previsões Meteorológicas a Médio Prazo, o ECMWF.

Segundo o anúncio da Google DeepMind^{Fonte 1*}, o PARDIG produz campos de precipitação para todo o mundo em intervalos de quinze minutos e numa grelha de aproximadamente dez quilómetros. A versão quase em tempo real tem, em média, cerca de cinco horas de atraso.

No preprint sobre o PARDIG^{Fonte 3*}, os autores afirmam que o sistema superou vários produtos mundiais já existentes nas avaliações que realizaram. Compararam os resultados, entre outras referências, com redes de radar nos Estados Unidos, na Europa e no Japão, bem como com dezenas de milhares de estações meteorológicas.

É investigação séria, mas ainda não é uma avaliação universal da prática. O artigo é um preprint e os resultados comunicados vêm dos próprios investigadores que desenvolveram o sistema. Com os dados agora publicados, outras equipas podem precisamente tentar reproduzir esses resultados, procurar limitações e testar novas aplicações.

Dados abertos também são um convite à contestação

Talvez o passo mais interessante não esteja numa única pontuação de desempenho. Os dados históricos e atuais estão disponíveis sob uma licença aberta. Assim, investigadores podem estudar se são úteis em áreas como gestão da água, agricultura, energia solar, secas ou incêndios florestais.

Em regiões com poucos radares terrestres, um conjunto de dados mundial pode criar novas possibilidades de investigação. Mas dez quilómetros continuam a ser dez quilómetros. Uma nuvem muito local pode comportar-se, com notável autoconfiança, como se aquele quadrado não existisse.

A documentação classifica o SatWeave e o PARDIG como dados experimentais para investigação. Não são uma observação oficial, uma previsão meteorológica oficial nem um aviso. Em situações de tempo perigoso, os serviços meteorológicos nacionais e as autoridades locais continuam a ser a referência. Um ficheiro aberto recebe a chave do laboratório, mas não automaticamente a da central de emergência.

Esta distinção não reduz o valor da publicação. Pelo contrário: a ciência torna-se mais forte quando os outros não veem apenas um gráfico, mas também podem trabalhar com os dados subjacentes.

Portanto, o meu globo pode continuar ligado. O guarda-chuva decide mais tarde.