Em meio a um cenário intenso de mudanças climáticas, um estudo sobre prevenção de eventos extremos está utilizando a cidade de Santos, no litoral de São Paulo, para testes.
Siga a Gazeta nas redes sociais e mantenha-se bem informado!
Entre tantas, a cidade portuária foi escolhida porque enfrenta as “ressacas”, ou seja, as marés de tempestade que afetam a infraestrutura e o ecossistema da região.
Qual a importância do estudo?
Recentemente, fortes chuvas têm assolado o Estado do Rio Grande do Sul. Até a realização desta matéria, o estado registrou 107 mortes, 136 desaparecimentos e 374 feridos.
Siga as notícias da Gazeta de S.Paulo no Google Notícias
Após vivenciar eventos dessa magnitude, a necessidade de uma tecnologia capaz de prever esses desastres naturais torna-se evidente. Com a disponibilidade do recurso, as cidades poderão se preparar e se proteger.
A pesquisa
Atualmente, as previsões são feitas a partir do equacionamento físico dos fenômenos envolvidos. Com isso, a altura da maré e das ondas são estipuladas.
Entretanto, nesse modelo não há como acrescentar novas fontes de dados. Essa limitação não permite que o sistema evolua e, portanto, não melhore sua capacidade de previsão.
Para solucionar a questão, o estudo pretende acrescentar à tecnologia atual ferramentas avançadas de “aprendizado de máquina”, em outras palavras, a inteligência artificial.
“O nosso estudo une os dois mundos ao desenvolver um modelo baseado em aprendizado de máquina que utiliza os modelos físicos como ponto de partida, mas que consegue refiná-los agregando dados medidos. Essa área de estudo é conhecida como ‘Aprendizado de Máquina Informado pela Física’ (Physics-Informed Machine Learning, na expressão em inglês, da qual deriva a sigla PIML)”, disse o pesquisador Marcel Barros ao portal “Exame.”.
Desafios
Para fornecer os dados à inteligência artificial, seria necessária a implementação de sensores. Essa necessidade pode dificultar o estudo, já que em meio aos desastres naturais os dados podem ser falhos.
Entre os erros, os sensores podem apresentar lacunas de dados, deslocamentos temporais e variações nas sequências de amostragem.
Além disso, os sensores demorariam para serem restabelecidos. Mas para essas ocasiões, o estudo já apresenta uma solução. “Para abordar situações com dados extremamente irregulares, desenvolvemos uma técnica inovadora para representar a passagem do tempo em redes neurais. Essa representação permite que o modelo seja informado da posição e do tamanho das janelas de dados faltantes e passe a considerá-los nas previsões de altura das marés e ondas”, disse o acadêmico.
Metodologia
Segundo informações da professora Anna Helena Reali Costa, o estudo possui três virtudes.
- Assimilar modelos físicos com modelos numéricos
- Representar o tempo para redes neurais
- Trabalhar com dados de diferentes formatos, por meio de uma arquitetura multimodal
Produção
O estudo foi coordenado pela professora titular da Escola Politécnica da Universidade de São Paulo (Poli-USP) Anna Helena Reali Costa e seu primeiro autor foi o pesquisador Marcel Barros, do Departamento de Engenharia de Computação e Sistemas Digitais da Poli-USP.
O artigo foi publicado no Proceedings of the AAAI Conference on Artificial Intelligence: “Early Detection of Extreme Storm Tide Events Using Multimodal Data Processing” e recebeu apoio da FAPESP por meio do Centro de Inteligência Artificial (C4AI), um Centro de Pesquisa em Engenharia (CPE) constituído pela FAPESP e a IBM Brasil.
*Texto sob supervisão de Diogo Mesquita