Os níveis de ozônio na troposfera terrestre (o nível mais baixo de nossa atmosfera) agora podem ser previstos com precisão com até duas semanas de antecedência, uma melhoria notável em relação aos sistemas atuais que podem prever com precisão os níveis de ozônio com apenas três dias de antecedência. O novo sistema de inteligência artificial desenvolvido no Laboratório de Previsão e Modelagem da Qualidade do Ar da Universidade de Houston pode levar a melhores maneiras de controlar os problemas de alto ozônio e até mesmo 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 aprendizado profundo de IA na Faculdade de Ciências Naturais e Matemática da UH. Os resultados são publicados online na revista científica, Relatórios Científicos .

Ozônio, um gás incolor, é útil no lugar e na quantidade certa. Como parte da estratosfera terrestre ("a camada de ozônio"), protege filtrando a radiação ultravioleta do sol. Mas quando há altas concentrações de ozônio perto da superfície da Terra, é tóxico para os pulmões e o coração.

"O ozônio é um poluente secundário, e pode afetar os humanos de uma maneira ruim, "explicou o estudante de doutorado Alqamah Sayeed, um pesquisador no laboratório de Choi e o primeiro autor do artigo de pesquisa. A exposição pode causar irritação na garganta, Problemas respiratórios, asma, até mesmo danos respiratórios. Algumas pessoas são especialmente suscetíveis, incluindo os muito jovens, os idosos e os doentes crônicos.

Os níveis de ozônio se tornaram uma parte frequente dos relatórios meteorológicos diários. Mas, ao contrário das previsões do tempo, que pode ser razoavelmente preciso até 14 dias antes, os níveis de ozônio foram previstos com apenas dois ou três dias de antecedência - até essa descoberta.

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

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

A equipe de pesquisa usou uma função de perda exclusiva no desenvolvimento do algoritmo de aprendizado de máquina. Uma função de perda ajuda na otimização do modelo de IA, mapeando a decisão para seus custos associados. Neste projeto, pesquisadores usaram índice de concordância, conhecido como IOA, como a função de perda para o modelo AI em relação às funções de perda convencionais. IOA é uma comparação matemática das lacunas entre o que é esperado e como as coisas realmente acontecem.

Em outras palavras, os membros da equipe adicionaram dados históricos do ozônio aos testes à medida que refinavam gradualmente as reações do programa. A combinação do modelo numérico e do IOA como a função de perda eventualmente permitiu ao algoritmo de IA prever 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 sobre uma mesa e tenta tocá-la por curiosidade. No momento em que a criança toca a xícara, ele percebe que está quente e não deve ser tocado diretamente. Por meio dessa experiência, a criança treinou sua mente, "Sayeed disse." Em um sentido muito básico, é o mesmo com a IA. Você fornece informações, o computador fornece saída. Ao longo de muitas repetições e correções, o processo é refinado com o tempo, e o programa AI passa a 'saber' como reagir às condições que foram apresentadas antes. Em um nível básico, a inteligência artificial se desenvolve da mesma maneira que a criança aprendeu a não ter tanta pressa de pegar a próxima xícara de chá quente. "

No laboratório, a equipe usou 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 do ozônio e estimar as previsões, ficando melhor com o tempo.

"Aplicar o aprendizado profundo à qualidade do ar e à previsão do tempo é como procurar o Santo Graal, Exatamente como nos filmes, "disse Choi, que é um grande fã de tramas de ação. "No laboratório, passamos por alguns momentos difíceis por alguns anos. Existe um processo. Finalmente, nós alcançamos o Santo Graal. Este sistema funciona. O modelo de IA 'entende' como fazer previsões. Apesar dos anos de trabalho, de alguma forma, ainda parece uma surpresa para mim, ainda hoje."

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

"Se você conhece o futuro - a qualidade do ar neste caso - você pode fazer muitas coisas pela comunidade. Isso pode ser muito crítico para este planeta. Quem sabe? Talvez possamos descobrir como resolver o problema da mudança climática. futuro pode ir além da previsão do tempo e da previsão do ozônio. Isso pode ajudar a tornar o planeta seguro, "disse Choi.

Parece um final feliz para qualquer boa história de ação.