Um novo modelo de inteligência artificial desenvolvido por pesquisadores do Domínio ETH, na Suíça, aprendeu de forma autônoma as interações entre atmosfera, superfície terrestre e ciclo da água. Batizado de Earth System Foundation Model (ESFM), foi apresentado na Assembleia Geral da EGU 2026 e representa uma virada na forma como a ciência modela o sistema climático global.
O caso de teste escolhido pelos cientistas foi o Super Tufão Doksuri, que devastou costas da China e das Filipinas em julho de 2023. O tufão não fazia parte dos dados de treinamento do modelo — e ainda assim o ESFM previu com precisão notável a intensidade dos ventos ao longo de vários dias, a localização da tempestade, sua velocidade de deslocamento e sua expansão espacial.
‘Modelos anteriores de IA para previsão do tempo muitas vezes se concentravam principalmente na atmosfera’, explicou Fanny Lehmann, matemática e pesquisadora de pós-doutorado no Centro de IA da ETH Zurique. ‘Nosso modelo vincula deliberadamente dados meteorológicos atmosféricos com dados hidrológicos e baseados em terra, identificando padrões, tendências e relações-chave dentro do sistema climático da Terra para gerar previsões mesmo quando dados importantes estão ausentes.’
A inovação central do ESFM está em sua arquitetura de múltiplos estágios para integração de dados heterogêneos. Em vez de forçar todos os tipos de dados a um único formato desde o início, o modelo os trata separadamente conforme sua natureza — imagens de satélite, dados de estações meteorológicas, sondas atmosféricas e poços de monitoramento. Cada fonte é etiquetada com informações de quando e onde foi coletada, criando um arcabouço espacial e temporal comum sem destruir as especificidades de cada origem.
Conforme detalhou o portal Phys.org, o modelo foi capaz de gerar previsões a partir de imagens de satélite nas quais apenas cerca de 3% dos pixels estavam disponíveis. O ESFM preenche essas lacunas relacionando os dados ausentes a outras fontes disponíveis, a padrões aprendidos em regiões vizinhas, a variáveis correlatas e a observações históricas.
Firat Ozdemir, cientista de dados sênior no Centro Suíço de Ciência de Dados — iniciativa conjunta da ETH Zurique e da EPFL — e desenvolvedor-líder do ESFM, destacou que os modelos anteriores sofriam justamente nesse ponto. ‘Seu desempenho frequentemente declina ao trabalhar com dados altamente heterogêneos ou incompletos; o ESFM enfrenta esse desafio integrando dados de múltiplas fontes e preenchendo lacunas de forma muito mais eficiente’, afirmou.
Sebastian Schemm, cientista atmosférico vinculado à ETH Zurique, situou o ESFM em uma categoria própria dentro do campo da IA aplicada ao clima. ‘Não é um modelo climático clássico, nem um modelo de previsão do tempo ou de alerta de tempestades especializado; pertence a uma categoria distinta de modelos que pode servir como base flexível para uma ampla gama de tarefas em pesquisa climática e meteorológica’, disse. ‘Sua vantagem reside em uma espécie de compreensão sistêmica aprendida que lhe permite produzir previsões plausíveis mesmo quando os dados são incompletos ou fragmentados.’
O professor Torsten Hoefler, cientista da computação na ETH Zurique e arquiteto-chefe de IA no Centro Nacional Suíço de Supercomputação (CSCS) em Lugano, explicou que o ESFM pertence à categoria dos chamados modelos de fundação. São sistemas treinados em tipos de dados muito variados que adquirem uma forma de conhecimento fundamental e podem ser adaptados a aplicações específicas por meio de ajuste fino.
Os testes mostraram que o modelo aplica princípios físicos de forma consistente e confiável mesmo ao lidar com variáveis para as quais não foi explicitamente treinado. O professor Benedikt Soja, especialista em geodésia espacial da ETH Zurique, demonstrou que o ESFM consegue preencher lacunas de forma confiável tanto em dados de estações meteorológicas quanto no conjunto de dados global de longo prazo ERA5.
Mathieu Salzmann, cientista sênior da EPFL e vice-cientista-chefe de dados no Centro Suíço de Ciência de Dados, anunciou que a equipe pretende expandir o uso do modelo para domínios como agricultura, biodiversidade e hidrologia. O ESFM foi desenvolvido no âmbito do projeto Weather and Climate Foundation Models, parte da Iniciativa Suíça de IA, com participação de pesquisadores da ETH Zurique, da EPFL e de outros parceiros, incluindo o matemático Siddhartha Mishra.
O modelo está disponível gratuitamente na plataforma Hugging Face e em repositório Git. O artigo científico foi publicado com acesso aberto no arXiv.
📨 Inscreva-se na Newsletter de O Cafezinho
Receba nossas análises e as principais notícias diárias do Brasil e do Sul Global.
Nenhum comentário ainda, seja o primeiro!