Avanço da inteligência artificial contribui para detectar níveis de Ozônio

Os níveis de ozônio na troposfera da Terra (o nível mais baixo de nossa atmosfera) agora podem ser previstos com precisão até duas semanas de antecedência, uma melhoria notável em relação aos sistemas atuais que podem prever com precisão os níveis de ozônio apenas três dias à frente. O novo sistema de inteligência artificial desenvolvido no Laboratório de Previsão e Modelagem da Qualidade do Ar da Universidade de Houston poderia levar a melhores maneiras de controlar problemas de alto ozônio e até contribuir para soluções para questões de mudança climática.

“Isso foi muito desafiador. Ninguém tinha feito isso antes. Acredito que somos os primeiros a tentar prever os níveis de ozônio na superfície com duas semanas de antecedência”, disse Yunsoo Choi, professor de química atmosférica e aprendizagem profunda de IA na Faculdade de Ciências Naturais e Matemática da UH. Os achados são publicados online na revista científica Scientific Reports.

O ozônio, um gás incolor, é útil no lugar e quantidade certos. Como parte da estratosfera da Terra (“a camada de ozônio”),protege filtrando a radiação UV do sol. Mas quando há altas concentrações de ozônio perto da superfície da Terra, é tóxico para pulmões e corações.

“O ozônio é um poluente secundário, e pode afetar os humanos de uma maneira ruim”, explicou o doutor Alqamah Sayeed, pesquisador do laboratório de Choi e primeiro autor do artigo de pesquisa. A exposição pode levar a irritação na garganta, dificuldade para respirar, asma, até danos respiratórios. Algumas pessoas são especialmente suscetíveis, incluindo os muito jovens, os idosos e os doentes crônicos.

Os níveis de ozônio tornaram-se uma parte frequente dos relatórios meteorológicos diários. Mas ao contrário das previsões meteorológicas, que podem ser razoavelmente precisas até 14 dias antes, os níveis de ozônio foram previstos apenas dois ou três dias de antecedência até este avanço.

A grande melhora na previsão é apenas uma parte da história desta nova pesquisa. A outra é como a equipe fez isso acontecer. A previsão convencional usa um modelo numérico, o que significa que a pesquisa é baseada em equações para o movimento de gases e fluidos na atmosfera.

As limitações eram óbvias para Choi e sua equipe. O processo numérico é lento, tornando os resultados caros para obter, e a precisão é limitada. “A precisão com o modelo numérico começa a cair após os três primeiros dias”, disse Choi.

A equipe de pesquisa usou uma função de perda única no desenvolvimento do algoritmo de aprendizagem de máquina. Uma função de perda ajuda na otimização do modelo de IA, mapeando a decisão para seus custos associados. Neste projeto, os pesquisadores utilizaram o índice de concordância, conhecido como IOA, como a função de perda para o modelo de IA sobre funções convencionais de perda. IOA é uma comparação matemática de lacunas entre o que é esperado e como as coisas realmente acabam.

Em outras palavras, os membros da equipe adicionaram dados históricos de ozônio aos ensaios à medida que gradualmente refinavam as reações do programa. A combinação do modelo numérico e do IOA como a função de perda eventualmente permitiu que o algoritmo de IA predisse com precisão os resultados das condições de ozônio da vida real, reconhecendo o que aconteceu antes em situações semelhantes. É muito parecido com a forma como a memória humana é construída.

“Pense em um menino que vê uma xícara de chá quente em uma mesa e tenta tocá-la por curiosidade. No momento em que a criança toca o copo, ele percebe que está quente e não deve ser tocado diretamente. Através dessa experiência, a criança treinou sua mente”, disse Sayeed. “Em um sentido muito básico, é o mesmo com a IA. Você fornece entrada, o computador lhe dá saída. Ao longo de muitas repetições e correções, o processo é refinado ao longo do tempo, e o programa de IA vem a “saber” como reagir às condições que já foram apresentadas antes. Em um nível básico, a inteligência artificial desenvolve-se da mesma forma que a criança aprendeu a não estar com tanta pressa para pegar a próxima xícara de chá quente.”

No laboratório, a equipe usou de quatro a cinco anos de dados de ozônio no que Sayeed descreveu como “um processo em evolução” de ensinar o sistema de IA a reconhecer as condições de ozônio e estimar as previsões, melhorando com o tempo.

“Aplicar um aprendizado profundo à qualidade do ar e à previsão do tempo é como procurar o Santo Graal, assim como nos filmes”, disse Choi, que é um grande fã de tramas de ação. “No laboratório, passamos por momentos difíceis por alguns anos. Há um processo. Finalmente, nós apreendemos o Santo Graal. Este sistema funciona. O modelo de IA ‘entende’ como prever. Apesar dos anos de trabalho, de alguma forma ainda parece uma surpresa para mim, mesmo hoje.”

Antes que o sucesso no laboratório possa levar ao serviço do mundo real, muitos passos comerciais estão à frente antes que o mundo possa se beneficiar da descoberta.

“Se você conhece o futuro, qualidade do ar neste caso, você pode fazer muitas coisas para a comunidade. Isso pode ser muito crítico para este planeta. Talvez possamos descobrir como resolver a questão das mudanças climáticas. O futuro pode ir além da previsão do tempo e previsão de ozônio. Isso pode ajudar a tornar o planeta seguro”, disse Choi.

Parece um final feliz para qualquer boa história de ação.

Fonte PHYS ORG