Hoje é quinta-feira, 28 de março de 2024.
Ontem postamos sobre a PwC’s 27th Annual Global CEO Survey, resumindo as opiniões de mais de 4.700 CEOs.
Aqui estão duas das várias observações dessa pesquisa:
Entre as megatendências que pressionam os CEO para se reinventarem, nenhuma é mais importante do que as alterações climáticas.
Os CEO percebem enormes ineficiências numa série de atividades rotineiras em suas empresas, representando cerca de 40% do tempo gasto nestas tarefas. 60% dos CEO esperam que a inteligência artificial generativa (IA) poderia ajudar a melhorar essa eficiência.
Coincidentemente, um dia antes, a Nature publicou um artigo intitulado "How AI is improving climate forecasts", com pesquisadores "usando várias estratégias de aprendizado de máquina para acelerar a modelagem climática, reduzir seus custos de energia e, talvez, melhorar a precisão".
O aprendizado de máquina é um ramo da IA no qual os programas de computador aprendem identificando padrões em conjuntos de dados. Isto é diferente de usar equações para realizar simulações e está sendo cada vez mais considerado para previsão do tempo e modelagem climática. Em termos de velocidade e poder de processamento necessários – e custos – seus resultados são muito mais rápidos – e baratos – do que as simulações tradicionais. Por outro lado, os modelos aprendidos por máquina ainda precisam provar sua precisão.
Nesse sentido, algumas abordagens de avaliação estão sendo realizadas utilizando aprendizado de máquina:
emular modelos convencionais
desenvolver modelos básicos fundamentais para buscar padrões ocultos e possivelmente desconhecidos
modelos híbridos
O artigo cita algumas conquistas, como o QuickClim australiano com “15 modelos de aprendizado de máquina que podem emular 15 modelos da atmosfera baseados na física", o rápido e eficiente modelo ACE do Allen Institute for Artificial Intelligence de Seattle, o modelo fundamental ClimaX da Microsoft e da University of California, o projeto CliMA para modelos híbridos, ‘Digital Twins’ os gêmeos digitais da Terra sendo desenvolvidos pela NASA e pela European Commission, além de um projeto europeu chamado Destination Earth (DestinE).
Mais duas citações do artigo:
Testar modelos climáticos face ao comportamento climático passado é útil, mas não é uma medida perfeita de quão bem podem prever um futuro que provavelmente será muito diferente daquele que a humanidade viu antes.
O objetivo final é criar modelos digitais dos sistemas da Terra, parcialmente alimentados por IA, que possam simular todos os aspetos do tempo e do clima até escalas de quilômetros, com grande precisão e na velocidade da luz.
Clique na imagem abaixo para ver este interessante artigo da Nature e referências, por Carissa Wong.
Afinal de contas, todas estas perspectivas inovadoras podem muito bem acabar sendo muito úteis para fins de gestão. E uso prático, com apoio de engenheiros.
