Surfista de longa data, o cientista da IBM Research Campbell Watson se interessou por ciência atmosférica por seu amor pelo oceano. Agora, ele trabalha com modelos geoespaciais que nos ajudarão a entender melhor o mundo em mudança em que vivemos.
Muito antes de Campbell Watson começar a trabalhar em modelos climáticos e relatórios de impacto ambiental para a IBM Research, ele era contador. Ele era bom com números, e seus pais lhe disseram que contabilidade era uma profissão boa e estável, então ele entrou para uma empresa de contabilidade logo após a faculdade. Ele passava os dias indo trabalhar no 35º andar de um prédio de escritórios em Melbourne. Watson usava terno para trabalhar todos os dias, onde fazia declarações de imposto de renda para famílias ricas. Ao que tudo indica, ele estava fazendo seu caminho com sucesso no mundo.
Havia apenas um problema: ele odiava ser contador. Ele se consolava nas manhãs e fins de semana com seu passatempo favorito, surfar, para neutralizar a monotonia de planilhas e tabelas dinâmicas. Levou apenas seis meses para que ele decidisse que tinha que sair de lá. Felizmente, ir para a universidade na Austrália era comparativamente acessível na época, então Watson voltou para a escola, começando em ciências gerais e terminando em ciência atmosférica. Hoje na IBM Research, ele trabalha em modelos avançados da atmosfera, mas naquela época seu interesse na Terra era mais sobre diversão. Agora vestindo camisas vintage coloridas para trabalhar, ladeado por um fundo virtual de ondas quebrando em videochamadas, Watson foi atraído para o ramo da ciência que tornou seu hobby favorito possível.
“Eu achava que a conexão entre atmosferas, oceanos e surfe era superlegal”, ele diz. Quando Watson tinha 10 anos, um amigo o ensinou a surfar. Ele cresceu em Melbourne, perto de algumas praias fantásticas, populares para esportes aquáticos. “Comecei em uma prancha de bodyboard, mas tinha inveja dele conseguir ficar de pé, então fui e comprei uma prancha de surfe”, ele diz. No ensino médio, ele começou a surfar regularmente com um grupo de amigos. Eles surfavam nas ondas para cima e para baixo na chamada Surf Coast de Victoria, em pontos como a pitoresca Bells Beach. As ondas da cidade de Nova York empalidecem em comparação com as australianas, e Watson, sempre em busca da onda perfeita, escreveu uma vez para a Vice sobre como surfou uma onda artificial perfeita no interior do Texas. Seu grupo de amigos de surfe de longa data ainda tenta se reunir para excursões regulares de surfe até hoje.
Como cientista de clima e sustentabilidade na IBM Research, a equipe que Watson lidera se concentra principalmente em dados geoespaciais, o que inclui uma parceria com a NASA para modelar mudanças climáticas e prever o clima . O restante do tempo é gasto em relatórios de governança social ambiental (ESG), usando modelos de linguagem ampla (LLMs) para ajudar as empresas a rastrear e relatar de forma mais eficiente seu impacto ambiental , como suas emissões de gases de efeito estufa em toda a cadeia de suprimentos.
Watson mudou-se para os Estados Unidos em 2012 para uma bolsa de pós-doutorado na Universidade de Yale, onde estudou a física das nuvens sobre Dominica e ondas gravitacionais sobre a Nova Zelândia. Ele trabalhou na IBM Research por mais de uma década, depois de se mudar de Connecticut para Nova York em 2014.
Um caminho sinuoso:
Na escola, Watson sempre se destacou em ciências. Ele gostava de inglês, embora tendesse a tirar notas baixas na matéria. "Eu simplesmente achava ciências mais fácil do que humanidades, mas fui encorajado a entrar no mundo dos negócios." Sua mãe trabalhava como secretária e seu pai estava em recrutamento empresarial. Influência familiar à parte, porém, Watson sempre sentiu que seu cérebro estava programado para estudar física, biologia e outras ciências exatas. "Eu não fui atraído inicialmente pela ciência como disciplina, é só que a informação era mais fácil de entender", ele diz. "Eu não entendo gramática; sempre foi tão difícil", ele diz. Para Watson, sua dificuldade com educação linguística fez as ciências parecerem mais intuitivas em comparação.
Ironicamente, ele agora trabalha com linguagem o tempo todo. Mas hoje em dia, isso vem na forma de LLMs. Um dia típico para ele começa com reuniões de relatório de progresso com algumas equipes diferentes que estão trabalhando em diferentes problemas de modelagem científica. Eles estão relacionados aos modelos geoespaciais em que estão trabalhando, bem como ao trabalho em LLMs para relatórios ESG.
LLMs prontos para uso não são muito bons com coisas como siglas e relacionamentos semânticos de domínios específicos em sustentabilidade — coisas das quais os relatórios ESG estão cheios. Então, a equipe de Watson tem usado milhares de relatórios existentes para executar pré-treinamento contínuo em LLMs IBM Granite. Eles incorporaram ajuste fino, ajuste de instruções e RAG para alimentar um chatbot que pode executar tarefas ESG, como elaborar entradas de relatórios e calcular a pegada de carbono a partir de dados de transações de fornecedores.
Um dos desafios que eles encontraram foi fazer um modelo ler tabelas, embora muito diferentes daquelas com as quais Watson costumava lidar em seus dias de contador. Parece simples, mas enquanto os LLMs são bons em analisar um parágrafo, a maioria dos modelos não consegue necessariamente dizer que uma coluna em uma tabela contém informações relacionadas a informações em outra coluna, ou que elas são organizadas por rótulos no topo de cada coluna. Eles estão trabalhando no alinhamento para abordar esse detalhe, mas, no final das contas, eles querem criar um sistema que permita a interação entre esse LLM e os modelos geoespaciais. "Isso pode ser emissões de CO2 de plantas industriais, emissões de metano de vacas ou desmatamento da aquisição de óleo de palma", diz Watson. "Essas informações precisam ser representadas nesses relatórios e podem ser coletadas por meio de dados geoespaciais."
Para essa questão da IA, há muitos problemas complicados para resolver ao longo do caminho, mas ele vê a fusão desses processos em algum tipo de sistema de agente como a promessa final de usar modelos para clima e sustentabilidade. “Acho muito legal que tenhamos usado o pré-treinamento contínuo para tornar o Granite LLM consciente da sustentabilidade, mas não o adaptamos tanto a ponto de não ser mais um modelo Granite”, diz Watson.
Além do trabalho de ESG, os modelos geoespaciais ocupam muito do tempo de Watson e sua equipe. Este ano, eles atingiram um marco com este trabalho, lançando o Prithvi WxC em colaboração com a NASA. É um novo modelo de IA de propósito geral para clima e tempo. "Estávamos cansados de construir um novo modelo toda vez que queríamos aprender algo novo com dados geoespaciais, então, quando os modelos de fundação surgiram, nós os vimos como uma grande oportunidade para abordar uma série de problemas", diz ele.
Felizmente, uma equipe da NASA estava interessada em usar modelos de fundação para ciência da Terra, dados meteorológicos e projeções climáticas. Extrair dados de vários satélites, que tiram imagens em momentos diferentes, em escalas diferentes e até mesmo em comprimentos de onda de luz diferentes, provou ser um problema multimodal desafiador. "É um problema muito interessante que, se resolvido, ajudará muitos outros domínios", diz Watson. Prithvi WxC, que é de código aberto, é um excelente exemplo de como sua equipe leva toda a sua pesquisa do conceito básico, passando pelos blocos de construção e, então, para algo que realmente causará impacto no mundo.
“Temos pesquisadores, desenvolvedores, cientistas e engenheiros que estão fazendo esse trabalho, mas ele precisa ser traduzido para ser algo útil para nossos parceiros, colaboradores e a comunidade”, ele diz. Essa etapa de tradução é fundamental, pois diferencia a pesquisa fundamental que está sendo feita na IBM Research de trabalhos semelhantes em sua instituição acadêmica típica. Parte do trabalho diário de Watson é dedicada a mapear esse processo, certificando-se de que a pesquisa esteja se movendo em uma direção que garanta que será útil para empresas e outras organizações, e que aqueles que podem se beneficiar do trabalho de sua equipe entendam o que a equipe está fazendo ou forneçam informações para movê-la nessa direção.
Aprendendo a liderar:
Como Watson fez a transição para um líder de laboratório nos últimos anos, ele está em posição de definir a estratégia. Seu papel é questionar se um projeto é escalável, útil e impactante — e fazer algo a respeito se ele acha que não é. Afinal, você não pega sua prancha de surfe e vai para a praia sem verificar a previsão do tempo, descobrir qual praia tem as melhores condições naquele dia e consultar as tabelas de marés. Nem você cai em uma onda sem um plano. Ao crescer nessa função, Watson ficou surpreso ao descobrir que gosta de aprender habilidades de liderança. "Foi divertido descobrir meu próprio estilo de liderança", diz ele. "Embora eu possa pensar em momentos no passado em que me vi liderando coisas, pareceu um tanto acidental." Esses pontos de dados o tranquilizaram de que era possível.
Alguns aconteceram fora do trabalho, em situações em que Watson ficou genuinamente surpreso com sua capacidade de atrair pessoas para um projeto apenas por diversão. Um desses projetos foi uma performance de codificação ao vivo, onde ele escreveu código em Ruby e Python, que foi traduzido em som. O resultado foi partes iguais de arte e ciência: ele instalou uma estação meteorológica no topo do Ace Hotel em Nova York e apresentou sua peça musical enquanto um amigo fazia a codificação ao vivo para produzir acompanhamentos visuais. Para fazer tudo isso, eles precisavam de outras pessoas para ajudar a configurar o equipamento de som, soldar a microeletrônica no sistema de monitoramento da qualidade do ar da estação meteorológica e garantir que a conexão de internet da estação meteorológica fosse consistente.
“Foi realmente interessante ver o quanto as pessoas estavam dispostas a ajudar”, ele diz. “O que você está ganhando com isso? Por que você está dizendo sim?”, ele se perguntava. Mas, ao mesmo tempo, Watson reconhece que está ansioso para dar uma mão quando solicitado.
No surfe, um dia perfeito significa manter a cabeça acima da água e aproveitar cada onda que o oceano lhe presenteia. Em seu trabalho na IBM Research, Watson encontrou alegria e significado na jornada, no esforço diário que é preciso para construir sobre as vitórias de ontem e levar sua equipe junto para a viagem — e, claro, a satisfação de fazer as coisas funcionarem.
Comments