O mais recente modelo meteorológico de IA do Google não oferece desculpa para esquecer seu guarda-chuva

Cientistas do Google Deepmind e do Google Research lançaram hoje um novo modelo de inteligência artificial para previsão do tempo que vê a mudança da nossa atmosfera com mais clareza e prevê seu comportamento com mais frequência.

WeatherNext 3 é a última onda de uma mudança radical na meteorologia trazida por técnicas de aprendizado profundo, e o Google diz que começará a alimentar informações meteorológicas que os usuários veem nas pesquisas, no Google Maps e no Gemini, além de estar disponível para usuários e pesquisadores nas plataformas de nuvem do Google.

“Esta será a primeira vez que algumas das principais variáveis ​​​​alimentam e alimentam muitos dos produtos do Google”, disse Samier Merchant, engenheiro sênior do Google, ao TechCrunch.

O novo modelo já provou ser o mais preciso entre os principais concorrentes testados no Operational WeatherBench, um utilitário para comparar previsões de IA construída pela startup Brightband. Ele analisa métricas como temperatura, velocidade do vento e umidade.

Além de superar outros modelos de aprendizagem profunda desenvolvidos pelo Google, Microsoft, Nvidia e o Centro Europeu de Previsão Meteorológica de Médio Prazo, também supera as previsões tradicionais do Serviço Nacional de Meteorologia dos EUA e do ECMWF.

A maior parte das previsões meteorológicas provém de supercomputadores estatais que processam laboriosamente equações matemáticas escritas para descrever a física do tempo; embora esses sistemas tenham se tornado notavelmente precisos, eles são caros e comparativamente lentos. Depois de o ECMWF ter divulgado mais de meio século de dados meteorológicos produzidos por estes sistemas em 2018, os investigadores de aprendizagem profunda começaram a treinar modelos que pudessem fazer previsões muito mais rapidamente e com precisão comparável às ferramentas governamentais.

“O clima está caótico e, portanto, pequenas diferenças realmente começam a perturbar enormemente… O aprendizado de máquina tem como alvo o problema que estamos realmente resolvendo, que é uma física ruidosa aproximada de informações incompletas e computação finita, e assim aprende padrões a partir de muitos dados”, Ferran Alet, gerente de pesquisa da equipe da DeepMind.

Desde então, os criadores de modelos têm pressionado os principais pontos fracos dos modelos de previsão de IA: tendem a prever uma área mais ampla – 15 a 25 km quadrados – do que é realmente útil, nem sempre são bons com chuva e ainda dependem dos conjuntos de dados formatados produzidos por agências governamentais.

WeatherNext 3 enfrenta todos os três desafios. Nas principais variáveis, disseram os pesquisadores ao TechCrunch, ele pode prever até uma resolução de 5 km. Suas avaliações de chuva foram 60% melhores em relação ao WeatherNext 2 e agora ele pode produzir previsões de hora em hora, em vez da previsão padrão a cada seis horas.

Essas melhorias são o resultado de escolhas específicas feitas pelos designers. WeatherNext 3 é um modelo maior, com 2,4 vezes mais parâmetros que seu antecessor, e adaptando os alvos dos cabeçotes decodificadores para fornecer respostas mais úteis. Embora a maioria das previsões meteorológicas resultem em métricas calculadas em uma grade 3D, os pesquisadores da DeepMind já ganharam aplausos ao ajustar seu modelo para também visualizar os caminhos dos ciclones.

Desta vez, os designers também treinaram o modelo para direcionar suas previsões para estações de dados meteorológicos específicas. Isto é importante não apenas para oferecer previsões mais granulares, mas também para poder avaliar seu trabalho em relação a dados específicos e verdadeiros.

“A ideia, com muitas aplicações de IA, é tentar executar as tarefas da forma mais completa possível”, disse Daniel Rothenberg, cientista atmosférico da Brightband. “Adicionar uma capacidade onde este modelo agora também prevê, digamos, o que a estação meteorológica do aeroporto de Denver irá medir de hora em hora, apenas conecta essa tarefa de previsão mais perto do núcleo.”

O modelo é capaz de fazer previsões com mais frequência porque pode ingerir dados meteorológicos de satélite coletados em tempo real de hora em hora. Alimentar modelos de IA com base em observações empíricas brutas, em vez de análises produzidas por supercomputadores meteorológicos, promete uma previsão mais precisa, mas ainda é tecnicamente desafiador fazer com que os modelos funcionem com dados não formatados.

O Google afirma que o WeatherNext 3 é o “primeiro” modelo de IA a incorporar diretamente observações brutas para uma previsão global de alta resolução, mas a startup meteorológica de IA WindBorne afirma que seu modelo, WeatherMesh 6, vem incorporando observações brutas de sua frota de balões meteorológicos e outras fontes desde o final de 2025. Questionado sobre isso, o Google apontou que suas previsões são de maior resolução em todo o mundo. Independentemente disso, ambos os modelos ainda dependem de conjuntos de dados meteorológicos nacionais para realizar previsões, pelo que será necessário mais trabalho para uma verdadeira assimilação direta de dados.

Embora os LLMs recebam a maior parte da atenção, a revolução dos transformadores na meteorologia tem sido igualmente importante. As agências meteorológicas europeias e norte-americanas já estão a utilizar modelos de IA nos seus produtos de previsão, e a sua velocidade e baixo custo prometem trazer impacto económico às regiões mais pobres, onde o custo de sensores e supercomputadores de alta qualidade colocou previsões precisas fora do alcance.

Bill Gates citou recentemente a previsão meteorológica baseada na IA como um benefício crucial da tecnologia, com melhores previsões melhorando o rendimento das colheitas nos países em desenvolvimento. Alet, o pesquisador da DeepMind, disse que previsões de vento, chuva e cobertura de nuvens em alta resolução serão úteis para tornar os projetos de energia renovável mais confiáveis.

“No final das contas, acho que o objetivo do Google é fornecer informações úteis ao usuário, e muito do que os usuários procuram tem a ver com o clima de uma forma ou de outra”, disse Alet.