Ralph W. Lambrecht/Pexels

Os modelos de inteligência artificial mostram que os verdadeiros limites do "efeito borboleta" ainda são desconhecidos.

Com base no limite de duas semanas Teoria do caos E com "Efeito borboleta" Na década de 1960, havia sido espalhado de geração em geração. Peter Dueben.

"É basicamente um Regras de Deus“Mas até Os deuses podem cometer erros.

De acordo com a ciência, Modelo meteorológico de inteligência artificial (IA) Os cientistas atmosféricos desenvolvidos pelo Google descobriram que pode haver um mês ou mais previsão no futuro. "Não encontramos o limite de quanto você pode ir", disse ele. Trent Vonichum estudante de doutorado na Universidade de Washington (UW) publicou no mês passado no Arxiv. "Primeiro de tudo, não temos lembranças."

Com poderosos modelos de computação, os pesquisadores alcançaram previsões significativas Cerca de 10 diasperto do limite de duas semanas. Em princípio, pode -se dizer que o limite pode exceder "o que significa que a IA pode fazer isso um dia, ou seja, É realmente emocionante”, Disse Amy McGovernum cientista da computação e meteorologista da Universidade de Oklahoma.

Existem avisos neste artigo. Por um lado, não pode exceder duas semanas de verdadeira previsão, Tobias Selzum cientista atmosférico da Universidade Ludwig Maximili, em Munique. Até agora, os pesquisadores da UW testaram suas previsões de IA apenas reconstruindo o tempo instantâneo.

Além disso, como evidenciado por Selz e seus colegas em um estudo de 2023 publicado na revista Carta de pesquisa geofísica,Modelo Vou ignorar o processo atmosférico Em pequena escala - o efeito é tão pequeno quanto o golpe de uma asa borboleta - acredita -se que acumule e conduza limitações de previsibilidade. "Estou muito relutante em usar esses modelos para fazer declarações sobre previsibilidade atmosférica".

O conceito de limites preditivos inerentes pode ser rastreado até Edward Lorenzum famoso matemático e meteorologista do Instituto de Tecnologia de Massachusetts (MIT).

Em um artigo de 1963, ele apontou que, mesmo que seja slogan No estado inicial que representa um estado atmosférico ou um sistema caótico semelhante, eventualmente causará diferenças significativas na previsão. Portanto, em um artigo de 1969, ele sugeriu que, mesmo que essas condições iniciais fossem quase perfeitas, o sistema ainda seria limitado pela previsibilidade do rápido crescimento de erros de pequena escala.

No entanto, Lorentz realmente não especificou um limite de duas semanas. De acordo com um estudo recente Bo-wen Shenum matemático na Universidade Estadual de San Diego, Lorentz propôs Todos os limites possíveismas nunca decidi.

O número de duas semanas está chegando, não Jule CharneyEntre o MIT e outros pioneiros que avaliam a capacidade de modelar o digital inicial do mundo em tempo hábil ao mesmo tempo.

Shen também apontou que o exercício de modelagem de Lorenz em 1969 foi baseado em Equações altamente sensíveis Digite dados, o que leva a questionar se o efeito borboleta é um artefato. Ele disse que não há razão para pensar que as restrições das duas semanas são uma regra de qualquer maneira. "Esta não é uma lei baseada em física. É um Experiência em suposições".

Em seu novo trabalho, Vonich e Hakim são baseados no Google Graphcast, um modelo de IA 40 anos de "re-análise de dados" - Alta resolução do clima da Terra com base em observações e previsões de modelos de curto prazo. Duas pessoas querem ver como as transmissões gráficas funcionam se puderem melhorar fundamentalmente a precisão das condições iniciais, ou seja, o instantâneo inicial.

Eles fazem isso comparando o estado final da atmosfera dos dados reanalisados ​​com previsões gráficas de transmissão. Os defeitos na previsão podem ser usados Ajuste as condições iniciais para reanalitar dados Esse modelo é usado para iniciar suas previsões, potencialmente aproximando -as do estado real da atmosfera.

Devido ao acúmulo de observações subsequentes, os modelos climáticos de execução também podem ser rastreados e ajustados dessa maneira.

Mas o cálculo precisa ser visto rapidamente por mais de 12 horas muito pesado. Por outro lado, a estrutura do gráfico executa essas análises Fácil de executar milhares de vezes, oportuno e mais longepermitindo que o modelo se concentre no instantâneo inicial Quase perfeito Hakim disse, para a atmosfera. "Basicamente, eles os enviam para paletes de prata."

Precisão das previsões de 10 dias do Graphcast com treinamento condicional inicial Aumento médio de 86% - Do ponto de vista meteorológico, "absolutamente enorme". Ainda mais surpreendentemente, o modelo mostra a capacidade de prever o tempo excede Nos próximos 33 dias.

Dado o que ele aprendeu, a princípio, Hakeem teve dificuldade em acreditar. "É quase como uma desconexão da realidade", disse ele. "Mas este é o resultado. Esse cálculo pode ser repetido."

Os dois também analisaram como o modelo mudou as condições iniciais, preocupado com o fato de estar fazendo coisas irrealistas. Eles descobriram que o modelo está fazendo pequenos ajustes a parâmetros como aqueles com temperaturas mais altas. Isso também parece fortalecer certos padrões de vento que os modelos meteorológicos tradicionais geralmente atenuam.

Isso mostra apenas que, se você tiver dados suficientes, poderá superar aproximações e erros nos modelos tradicionais, se tiver dados suficientes. Animashree Anandkumarum cientista da computação no Instituto de Tecnologia da Califórnia. "Quando você joga tudo fora, você tem a chance de repensar as coisas."

Mas, disse Selz, não há evidências de que as condições iniciais ajustadas estejam realmente mais próximas da realidade observada na atmosfera. O ajuste pode apenas criar um O ponto de partida ideal para previsões de gráficosUse uma profecia auto-realizável. Se esta versão perfeita for perturbada, Selz suspeita que a janela de previsão estendida possa fechar novamente.

"Isso é exatamente o que o efeito borboleta nos diz". Enfim, o trabalho é Faça muitas perguntas sobre como obter conhecimentoDueben disse que sempre foi um tanto cético quanto à aplicabilidade do efeito borboleta ao clima. "Pode ser uma visão muito limitada dizer que eles são apenas uma pequena escala e quebram os limites das previsões", disse ele.

Esta opinião é James Doyleum pesquisador de meteorologista no Laboratório de Pesquisa Naval. Ele disse que Lorentz não estava errado e disse que pequenos erros podem se espalhar. "Mas talvez isso não seja tão importante."

Agora, A previsão de um mês ainda é um desejoporque requer uma atmosfera mais refinada do que atualmente usando satélites e balões climáticos. Mas se o novo intervalo de previsão continuar a atrair, Doyle diz que não é hora de recuar na pesquisa meteorológica. "Isso nos diz que há mais ganho de adotar ainda mais o modelo".