Pesquisadores da Universidade de Waterloo, no Canadá, desenvolveram um método que utiliza inteligência artificial para prever pontos de inflexão das mudanças climáticas. O objetivo é antecipar esses momentos para que seja possível proteger as populações vulneráveis da melhor forma possível.
Os algoritmos de deep learning aplicados ao estudo ajudam a analisar os limites que separam mudanças aceleradas ou irreversíveis em um sistema. De acordo com os pesquisadores, a técnica adotada é capaz de prever os pontos de inflexão com uma precisão maior que os métodos existentes.
Publicado na revista acadêmica Proceedings of the National Academy of Sciences, o artigo descreve como a tecnologia de inteligência artificial é capaz de prever sinais de alerta iniciais (EWS, acrônimo de “early warning signals”) no mundo real, além de aspectos qualitativos do novo estado.
O que são pontos de inflexão
Na matemática, o termo “ponto de inflexão” refere-se a um ponto sobre uma curva em que ocorre uma alteração no sentido da concavidade. Assim, no caso das mudanças climáticas, isso corresponde aos eventos ou situações que marcam alguma transformação importante no planeta.
Um exemplo conhecido disso é o derretimento do permafrost do Ártico, o solo formado por gelo, rocha e matéria orgânica. Ao sair do estado sólido, essa camada pode liberar grandes quantidades de metano, um dos principais gases de efeito estufa, agravando o problema do aquecimento global.
As mudanças nas correntes marítimas, por sua vez, podem impactar os padrões do clima quase imediatamente. Já o colapso dos mantos de gelo, como estamos vendo atualmente, resulta em uma elevação ainda mais acelerada do nível do mar, ameaçando cidades costeiras.
Estes são alguns dos pontos de inflexão associados às mudanças climáticas. O caráter inovador da inteligência artificial desenvolvida pelos pesquisadores da Universidade de Waterloo é que ela não foi programada para aprender apenas sobre um único evento, mas as característica de vários pontos de inflexão no geral.
Inteligência artificial aliada a teorias matemáticas
O estudo combina teorias matemáticas e inteligência artificial para obter um resultado melhor do que esses dois métodos separados poderiam oferecer. O primeiro passo foi treinar os algoritmos com cerca de 500 mil modelos.
Posteriormente, eles foram testados em pontos de inflexão reais em diferentes sistemas, incluindo amostras climáticas da história. O resultado foi que o método combinado mostrou-se capaz de alertar sobre a proximidade de um ponto de inflexão considerado perigoso.
Para os pesquisadores, o objetivo principal não é oferecer uma oportunidade para evitar catástrofes, considerando que muitos cenários já são considerados irreversíveis. A importância desses alertas antecipados é permitir que as sociedades possam se adaptar e reduzir vulnerabilidades da melhor forma possível.
A vantagem oferecida pelo deep learning é que ele é capaz de reconhecer padrões que ocorrem antes de um ponto de inflexão e, assim, prever em um grande espaço de tempo quando eles podem se manifestar.
Segundo os pesquisadores, os pontos de inflexão não são exclusivos de sistemas climáticos. Eles são observados e estudados em diferentes áreas, seja em epidemiologia ou no mercado de ações.
O que o estudo fez foi utilizar a inteligência artificial para detectar quais características desses pontos de inflexão são comuns a uma ampla variedade de sistemas complexos.
