Hoje, grandes recursos são usados ​​para fornecer aos navios nos mares polares avisos sobre a propagação do gelo marinho. A inteligência artificial pode tornar esses avisos mais baratos, mais rápido, e disponível para todos.

Para embarcações que viajam para os mares polares, manter o controle da propagação do gelo marinho é fundamental, o que significa que grandes recursos são gastos para coletar dados e determinar desenvolvimentos futuros para fornecer alertas confiáveis ​​sobre o gelo marinho.

"A partir de agora, grandes recursos são necessários para criar esses avisos de gelo, e a maioria deles é feita pelo Instituto Meteorológico Norueguês e centros semelhantes, "diz Sindre Markus Fritzner, um pesquisador de doutorado na UiT The Arctic University of Norway.

Ele é funcionário do Departamento de Física e Tecnologia e recentemente apresentou uma tese de doutorado em que examinou a opção de usar inteligência artificial para tornar mais rápidos os alertas de gelo, Melhor, e mais acessíveis do que são hoje.

Precisa de supercomputadores

Os avisos de gelo usados ​​hoje são tradicionalmente baseados em modelos dinâmicos de computador que são alimentados com observações de satélite da cobertura de gelo, e quaisquer dados atualizados podem ser coletados sobre a espessura do gelo e a profundidade da neve. Isso gera uma quantidade considerável de dados, que então precisa ser processado por poderosos supercomputadores para fornecer cálculos.

"Os modelos dinâmicos são modelos físicos e exigem muitos dados para serem processados. Se você for fazer avisos sobre eventos futuros, você precisa usar um supercomputador, "Fritzner explica.

Este é um recurso limitado e caro, o que torna esses avisos impossíveis de fazer sem acesso aos recursos corretos.

A inteligência artificial torna os cálculos acessíveis em um laptop comum

Fritzner observou como a inteligência artificial pode ser usada para fornecer esses avisos de gelo marinho mais rapidamente, Melhor, e mais barato do que nunca - em um laptop normal.

O aprendizado de máquina é um campo especializado dentro da inteligência artificial, onde os métodos estatísticos são usados ​​para permitir que os computadores encontrem padrões e coerências em grandes conjuntos de dados. A máquina aprende em vez de ser programada, e tudo se resume ao desenvolvimento de algoritmos que permitem aos computadores aprender e fazer cálculos, com base em dados empíricos.

No trabalho de Fritzner, por exemplo, ele carregou dados para ver como uma semana específica vai se desenrolar, e dados sobre como ficará uma semana depois.

"Assim, é a coerência no desenvolvimento entre essas semanas que as máquinas aprendem a si mesmas, e, desta forma, pode prever como ele evolui, "Fritzner diz.

Quando totalmente desenvolvido, tal algoritmo exigirá muito menos poder de computação do que o modelo físico tradicional.

"Se você usa inteligência artificial e tem um modelo totalmente treinado, você pode executar esse cálculo em um laptop normal, "Fritzner diz.

Cada navio pode fazer cálculos por conta própria

Isso abre para vários campos de uso, um deles sendo relatórios meteorológicos mais precisos em The High North. Fritzner também aponta que isso pode ser usado pela indústria naval que opera perto da zona de gelo marginal, e que esta é uma forma de tráfego que só aumentará.

"Um exemplo é o tráfego de cruzeiros, onde será muito importante para os navios de cruzeiro saber onde está o gelo, e para onde ele se moverá nos próximos dias, "Fritzner diz.

Do jeito que está, modelos de alta resolução não podem ser executados na embarcação. Eles têm que entrar em contato com o Instituto Meteorológico Norueguês, que então precisa executar o modelo em um supercomputador antes de transmitir os dados de volta para a embarcação.

"Se você estiver em um navio no Mar de Barents, você depende de estar conectado a uma rede para baixar os avisos do Instituto Meteorológico Norueguês.

"Se equipado com o programa certo e inteligência artificial, isso pode ser feito a partir do próprio navio, com quase nenhuma capacidade de computação necessária, "Fritzner diz.

Mais desenvolvimento necessário

Embora a pesquisa até agora pareça promissora, os resultados ainda não são tão bons quanto os métodos tradicionais, mas a evolução do aprendizado de máquina / inteligência artificial está atingindo a todo vapor, e Fritzner não tem dúvidas sobre seu potencial.

"As experiências até agora são boas, mas não perfeito. O que observei ao comparar o aprendizado de máquina e os modelos físicos tradicionais foi que eles eram muito mais rápidos, e enquanto as mudanças no gelo forem pequenas, o aprendizado de máquina funcionou muito bem. Quando as mudanças eram maiores, com muito derretimento, os modelos lutaram mais do que os modelos físicos, "Fritzner explica.

Ele aponta para o desafio dos modelos rodando em inteligência artificial, contando apenas com dados históricos, enquanto os modelos físicos são constantemente adaptados a grandes mudanças geofísicas, como aumento do degelo e mudanças rápidas no clima.

Em seus experimentos, Fritzner usou dados como temperatura, a concentração de gelo marinho, e temperatura do mar. Ele acredita que a precisão pode ser aumentada adicionando mais dados ao modelo para que ele tenha um conjunto maior de dados para os avisos que fornece.

"Especialmente se você adicionar vento e espessura de gelo, o aprendizado de máquina funcionará muito melhor, " ele diz.

Ele acredita que mais pesquisas e desenvolvimento irão liberar o grande potencial que existe nessa forma de aprendizado de máquina.