Algoritmo simples prevê extensão do gelo do Ártico e expõe o valor da complexidade

Um algoritmo que procura situações semelhantes no registo histórico do gelo marinho consegue produzir previsões da extensão do Ártico até nove meses. O Random Analog Predictor, ou RAP, foi apresentado como referência transparente para avaliar modelos físicos e sistemas de inteligência artificial.

Procurar análogos no passado

O método compara as condições recentes com padrões observados em anos anteriores. Depois acompanha o que aconteceu após os análogos mais próximos e reúne vários desfechos possíveis. A dispersão do conjunto fornece uma medida de incerteza em vez de uma única linha apresentada como certa.

Para a extensão de setembro, o erro ficou numa ordem comparável à de 34 modelos usados em previsões sazonais pela Sea Ice Prediction Network. A comparação não mostra que o RAP vence cada modelo ou substitui simulações físicas. Mostra que uma regra simples contém informação suficiente para ser um teste mínimo exigente.

Porque o referencial importa

Modelos complexos integram atmosfera, oceano, gelo e, por vezes, aprendizagem automática. Cada camada pode acrescentar informação, mas também custo, parâmetros e opacidade. Se um sistema sofisticado não superar consistentemente o RAP, a complexidade não está a produzir ganho previsível para essa tarefa e horizonte.

O RAP usa apenas o histórico da extensão do gelo. Alterações rápidas do clima podem reduzir a utilidade de anos antigos como análogos, sobretudo quando surgem estados sem precedente no registo. A previsão de área total também não descreve espessura, concentração local ou segurança de navegação.

O conhecimento novo

O estudo fornece um benchmark interpretável, barato e acompanhado de incerteza. A utilidade será maior se avaliações futuras publicarem comparações fora da amostra, por mês e horizonte, e explicarem quando os modelos físicos ou de IA acrescentam capacidade para além deste ponto de partida.