Laboratório de inteligência artificial canadense desenvolve uma ferramenta que simula os efeitos de inundações e outros fenômenos meteorológicos extremos em diversos lugares do mundo
Por Manuel G Pascoal – El País
A maioria de consequências físicas decorrentes do aquecimento global parece distante de nós. E, por não sofrê-las diretamente, custamos a interiorizar a extrema gravidade da crise climática que o planeta atravessa. O Mila – Instituto de Inteligência Artificial do Québec quis pôr seu grão de areia para conscientizar a humanidade sobre o mundo para o qual nos encaminhamos. Uma equipe de pesquisadores do prestigioso centro dirigido por Yoshua Bengio, considerado um dos pais das redes neuronais, desenvolveu uma ferramenta que permite visualizar os efeitos de inundações, incêndios e nuvens poluentes em diferentes lugares do mundo. A simulação fica por conta de uma rede adversária generativa (GAN), um tipo de algoritmo de aprendizagem automática (machine learning) que serve, por exemplo, para gerar imagens realistas a partir do nada, como as dos rostos de pessoas inexistentes no site thispersondoesnotexist.com ou nos vídeos deep fake.
O projeto, que envolveu 30 cientistas durante dois anos, tem de fato um nome inspirado no famoso site de pessoas falsas: This Climate Does Not Exist (“este clima não existe”). Ele foi aberto ao público nesta quinta-feira, e para usá-lo basta teclar um endereço ou selecionar um ponto recolhido pelo Google Street View. Em seguida, indica-se o tipo de catástrofe a visualizar: inundação, incêndio descontrolado ou nuvem de poluição. O algoritmo faz sua magia e devolve a imagem com o efeito solicitado. Claro que essas imagens não pretendem ser um retrato exato do que aconteceria em cada lugar concreto se medidas não forem tomadas, e sim uma ilustração dos piores efeitos possíveis no cenário que o usuário escolher.
“Um dos desafios mais importantes foi conseguir que o algoritmo fosse capaz de simular inundações em uma grande variedade de imagens”, diz Alex Hernandez-Garcia, um dos pesquisadores principais do projeto. “Simplificando muito, um módulo do algoritmo se encarrega de detectar quais partes da imagem devem ser cobertas de água e outro módulo se encarrega de gerar a textura da água incorporando o contexto da imagem —por exemplo, o reflexo dos edifícios. Finalmente, o resultado destes dois módulos é combinado para gerar a imagem final.”
Para detectar onde cobrir com água ou não, Hernandez-Garcia e seus colegas combinaram várias técnicas de visão artificial e aprendizagem automática. “Por um lado, geramos uma cidade virtual por computador que nos permitiu ter uma série de imagens com e sem água. Também ajustamos um algoritmo que fosse capaz de fazer boas interpretações nesse mundo virtual, detectando as diferentes partes de uma cena: chão, carros, edifícios, árvores, gente etc.”, exemplifica. “Por outro lado, o algoritmo deve ser capaz de fazer boas interpretações em imagens reais (as do Google Street View).” Para isto, usaram as redes adversárias generativas (GANs).
O processo se completa em poucos segundos e, antes de mostrar o resultado ao usuário, são fornecidas informações sobre as causas e consequências do fenômeno meteorológico selecionado e sua relação com a mudança climática. Por exemplo, se o usuário optar por uma inundação, fica sabendo que as enchentes inundações repentinas matam 5.000 pessoas por ano, que se espera que o nível do mar suba dois metros até o final do século, e que essa importante alteração do planeta alterará para sempre a vida de pelo menos um bilhão de pessoas até o final de 2050. “Se não fizermos nada, logo enfrentaremos grandes catástrofes climáticas”, afirma o professor Bengio, diretor científico do Mila. “Este site torna os riscos da mudança climática muito mais reais e pessoais para os indivíduos.”
Redes adversárias generativas
A inteligência artificial deu um salto de qualidade há cerca de uma década com o surgimento e consolidação da aprendizagem automática e a aprendizagem profunda (deep learning). Estas técnicas se baseiam treinar a máquina para que, depois de chegar sozinha a certas conclusões, seja capaz de realizar tarefas complexas. Por exemplo, se você desejar que o algoritmo distinga entre muffins e chihuahuas, o programador insere uma série de exemplos de cada categoria e depois entrega milhares de imagens sem classificar. A máquina estabelecerá suas associações e, quando se equivocar e for avisada do erro, refinará seus critérios de distinção.
Bengio ganhou em 2018 o Prêmio Turing, considerado o Nobel da informática, junto com Geoffrey Hinton e Yann LeCun por sua contribuição para o desenvolvimento das redes neuronais. Elas são um passo a mais na aprendizagem automática e tentam imitar o funcionamento do cérebro humano: aplicam várias camadas simultâneas de processamento, o que aumenta seu rendimento. Estão por trás dos sistemas de classificação mais complexos, como os assistentes de voz e os modelos de predição avançados.
As redes adversárias generativas (do inglês “generative adversarial networks”, GAN) vão um pouco mais longe. Foram inventadas também no Mila em 2014 e são capazes de gerar conteúdo novo que, aos olhos humanos, parece totalmente real. Estão por trás dos cada vez mais sofisticados vídeos falsos hiper-realistas (deep fake) gerados por computador, em que personagens conhecidos podem dizer ou fazer o que seu programador quiser. Funcionam graças à competição entre duas redes neuronais: uma delas trata de elaborar imagens as mais realistas possíveis, e a outra tenta detectar se são reais ou uma invenção. Isso acontece milhares ou milhões de vezes e, durante o processo, a rede geradora aprende a criar imagens cada vez mais aperfeiçoadas. Quando a primeira consegue enganar a segunda, temos a imagem ganhadora. Por exemplo, a da avenida Paulista inundada ou o Capitólio de Washington mergulhado numa nuvem tóxica.
“Estamos usando um novo tipo de GAN desenvolvido por nós mesmos para gerar as imagens de mudança climática que podem ser vistas no nosso site”, diz o Mila. “Em geral, a disponibilidade limitada de imagens e a necessidade de adaptar o algoritmo a um grande número de situações foram os desafios técnicos principais que enfrentamos”, explica Hernandez-Garcia.
Inscreva-se aqui para receber a newsletter diária do EL PAÍS Brasil: reportagens, análises, entrevistas exclusivas e as principais informações do dia no seu e-mail, de segunda a sexta. Inscreva-se também para receber nossa newsletter semanal aos sábados, com os destaques da cobertura na semana.
- Brazilian Federal Court Sets Historic Climate Precedent in Coal Power Plant Licensing Case
- Justiça cria precedente histórico ao exigir análise climática para renovação da licença da Usina Candiota III
- Na Mídia | LRCAP 2026: relatório pede suspensão e PF investiga leilão de energia
- PAMEC 2026: Arayara reforça protagonismo na transição energética offshore
- Apresentação do Monitor Energia reúne especialistas, sociedade civil e comunidade escolar para debater o futuro da energia no Brasil
