A combinação entre mudanças climáticas e crescimento do uso de inteligência artificial vem ampliando o debate sobre o impacto ambiental da computação de alto desempenho. Em paralelo ao avanço de modelos cada vez maiores e mais complexos, pesquisadores buscam alternativas capazes de reduzir consumo energético, emissões e demanda por infraestrutura tecnológica, especialmente em aplicações críticas como previsão climática e prevenção de desastres.

Um estudo do Instituto de Computação da Universidade Federal Fluminense, liderado pela pesquisadora Mariza Ferro, desenvolveu um modelo de inteligência artificial voltado à previsão de chuvas extremas com menor necessidade computacional e redução significativa de impacto ambiental. A pesquisa foi publicada na revista científica Scientific Reports e recebeu apoio do Instituto Serrapilheira.

O trabalho avaliou sistemas de IA aplicados à previsão de precipitações intensas a partir de dados de radares meteorológicos, com foco na cidade do Rio de Janeiro, região frequentemente afetada por enchentes e deslizamentos associados a eventos climáticos severos. Os pesquisadores compararam arquiteturas tradicionais de previsão meteorológica com versões otimizadas baseadas na estrutura MS-RNN, projetada para aumentar eficiência operacional.

Estudo combina eficiência energética e previsão de alta precisão

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

Os modelos mais leves conseguiram reduzir consumo de memória, tempo de processamento e gasto energético sem perda relevante de desempenho na previsão das chuvas. Em parte dos testes, a redução das emissões equivalentes de CO2 e do consumo de água durante o treinamento dos algoritmos superou 60% em relação aos sistemas convencionais.

A pesquisa utilizou dados reais de radares meteorológicos do Rio de Janeiro e dos Alpes italianos para treinamento e validação dos modelos. No caso brasileiro, os algoritmos analisaram eventos extremos registrados entre 2016 e 2023 para prever chuvas intensas em janelas curtas de tempo, informação considerada estratégica para sistemas de alerta antecipado e ações preventivas em áreas urbanas vulneráveis.

Computação sustentável

Além da precisão das previsões, o estudo incorporou indicadores ambientais ainda pouco explorados em pesquisas sobre inteligência artificial aplicada à meteorologia. Os autores mediram pegada de carbono e consumo hídrico associados ao treinamento dos modelos, aproximando o conceito de “IA verde” do setor de previsão climática.

De acordo com os pesquisadores, o debate ganha relevância em países onde os efeitos das mudanças climáticas costumam ser mais severos e a infraestrutura tecnológica disponível para resposta rápida a desastres é mais limitada. A proposta busca justamente ampliar eficiência computacional sem elevar custos operacionais e ambientais.

Mariza ainda complementou que “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. 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”.

O estudo integra o projeto “Inteligência Artificial Sustentável para Previsão de Chuvas Extremas e Prevenção de Grandes Desastres em Áreas Urbanas”, apoiado pelo Instituto Serrapilheira. A iniciativa reúne dados meteorológicos, elementos físicos e informações sociais para desenvolver sistemas capazes de antecipar eventos extremos e apoiar estratégias de prevenção.

Além da atuação acadêmica na UFF, Mariza Ferro coordena o Núcleo de Referência em Inteligência Artificial Ética e Confiável e desenvolve pesquisas nas áreas de IA sustentável, eventos climáticos extremos e computação de baixo impacto ambiental.