Hoje é quinta-feira, 28 de março de 2024.
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.
- SEO Powered Content & PR Distribution. Get Amplified Today.
- PlatoData.Network Vertical Generative Ai. Empower Yourself. Access Here.
- PlatoAiStream. Web3 Intelligence. Knowledge Amplified. Access Here.
- PlatoESG. Carbon, CleanTech, Energy, Environment, Solar, Waste Management. Access Here.
- PlatoHealth. Biotech and Clinical Trials Intelligence. Access Here.
- Source: https://www.carboncreditmarkets.com/single-post/como-a-ia-est%C3%A1-melhorando-as-previs%C3%B5es-clim%C3%A1ticas-e-pode-apoiar-os-ceos
- :is
- 10
- 11
- 12
- 15%
- 16
- 2024
- 28
- 5
- 7
- 8
- 9
- a
- ace
- AI
- allen
- allen institute for artificial intelligence
- artificial
- artificial intelligence
- AS
- auto
- bem
- california
- ceo
- CEOs
- Climate
- COM
- commission
- DA
- de
- destination
- dia
- do
- DOS
- e
- earth
- European
- european commission
- Face
- final
- For
- forecasts
- fundamental
- How
- HTTPS
- ia
- improving
- Institute
- Intelligence
- jpg
- MAS
- Microsoft
- Nasa
- Nature
- normal
- of
- OS
- PARA
- plato
- Plato Data Intelligence
- PlatoData
- POR
- presentation
- Seattle
- Tempo
- Terra
- university
- University of California
- wong
- zephyrnet