Redução do impacto ambiental da IA foi de 60%; estudo foi publicado na Scientific Reports e teve como um dos focos a cidade do Rio de Janeiro

Pesquisadores brasileiros desenvolveram um modelo de inteligência artificial (IA) capaz de prever chuvas intensas usando menos energia e menor capacidade computacional, sem perda significativa de precisão. O estudo, liderado por Mariza Ferro, professora do Instituto de Computação da Universidade Federal Fluminense (UFF) apoiada pelo Instituto Serrapilheira, foi publicado na revista científica Scientific Reports.

A pesquisa avaliou modelos de IA aplicados à previsão de chuvas extremas a partir de dados de radar meteorológico, com foco especial na cidade do Rio de Janeiro, uma das regiões brasileiras mais afetadas por enchentes e deslizamentos associados a eventos climáticos extremos.

“O principal achado desta pesquisa é mostrar que é possível fazer boas predições usando dados de radar sem recorrer a técnicas tão caras computacionalmente”, afirma Mariza Ferro. Nosso foco sempre foi procurar abordagens de inteligência artificial que melhorem a predição, mas que também sejam leves computacionalmente.”

Os pesquisadores compararam modelos tradicionais de previsão meteorológica por inteligência artificial com versões mais eficientes dessas mesmas arquiteturas, adaptadas com uma estrutura conhecida como MS-RNN.

Nos testes, essas versões otimizadas reduziram significativamente o consumo de memória, o tempo de processamento e o gasto energético dos sistemas, mantendo desempenho semelhante na previsão das chuvas.

Em alguns testes, os modelos mais leves reduziram em mais de 60% as emissões equivalentes de CO2 e o consumo de água associados ao treinamento dos algoritmos em comparação aos modelos mais tradicionais de predição de chuva, mantendo desempenho semelhante na previsão, porém com mais eficiência. 

Segundo a pesquisadora, a preocupação com o tema é especialmente importante para países do sul global, como o Brasil. Segundo ela, os impactos das mudanças climáticas são mais severos em nações com menos infraestrutura tecnológica para responder a esses eventos.

“Além de sermos os mais afetados pelos impactos das mudanças climáticas, somos também as regiões com menos capacidade de resposta, menos infraestrutura e menos acesso a equipamentos e técnicas mais caras”, diz.

O estudo também chama atenção para um paradoxo ambiental do avanço da inteligência artificial. Modelos cada vez maiores e mais complexos podem aumentar o consumo energético e as emissões associadas à computação de alto desempenho.

“É fazer um trabalho para combater os efeitos da mudança climática, mas ao mesmo tempo usar técnicas computacionalmente muito caras, que também geram impactos ambientais associados”, afirma Ferro.

A pesquisa usou dados reais de radares meteorológicos do Rio de Janeiro e dos Alpes italianos para treinar e testar os sistemas. No caso do Rio, os algoritmos analisaram eventos extremos registrados entre 2016 e 2023 para prever chuvas intensas em intervalos curtos de tempo, informação considerada fundamental para sistemas de alerta e prevenção de desastres.

Além da precisão das previsões, os pesquisadores mediram indicadores ambientais pouco explorados em estudos da área, como pegada de carbono e consumo de água durante o treinamento dos modelos. Segundo os autores, não foram encontrados trabalhos anteriores que aplicassem princípios de “IA verde” à previsão de chuvas extremas.

“Reduzir esse custo computacional também ajuda a diminuir um ciclo de injustiça climática, em que os países mais afetados são justamente aqueles com menos capacidade de resposta”, afirma Mariza Ferro.

A pesquisa faz parte do projeto “Inteligência Artificial Sustentável para Previsão de Chuvas Extremas e Prevenção de Grandes Desastres em Áreas Urbanas”, apoiado pelo Instituto Serrapilheira. A investigação combina diferentes fontes de dados meteorológicos, elementos físicos e informações sociais para desenvolver sistemas capazes de antecipar eventos extremos e permitir ações preventivas.

Mariza Ferro é cientista da computação formada pela Universidade Estadual do Oeste do Paraná, mestre pela Universidade de São Paulo e doutora em modelagem computacional pelo Laboratório Nacional de Computação Científica. Atualmente, também coordena o Núcleo de Referência em Inteligência Artificial Ética e Confiável e atua em pesquisas sobre IA verde, sustentabilidade e eventos climáticos extremos.