O modelo de previsão de furacões do Google DeepMind oferece um dia extra de alerta
O Google DeepMind é o vencedor da Feira de Ciências Gizmodo de 2026 pela criação de WeatherNext Cyclones, um modelo meteorológico de IA altamente preciso que dá aos meteorologistas um dia extra de alerta.
A questão
Um único modelo de IA pode prever com precisão a trajetória e a intensidade dos ciclones tropicais?
Os resultados
Os meteorologistas contam com uma variedade de modelos de previsão para prever e rastrear ciclones tropicais, e o surgimento da IA deu início a uma classe inteiramente nova de ferramentas. Enquanto os modelos físicos tradicionais são construídos com base nas leis da física, os modelos de aprendizagem automática utilizam IA e dados históricos para extrapolar a formação, intensificação e movimento de tempestades.
Os meteorologistas adotaram vários desses modelos nos últimos anos, e seus rápidos ganhos em velocidade e desempenho os tornaram altamente competitivos até mesmo com modelos físicos de última geração. Mas depois da temporada de furacões no Atlântico de 2025, um deles se destacou claramente.
WeatherNext Cyclones, um modelo de previsão de IA desenvolvido pelo Google DeepMind, teve um desempenho excepcionalmente bom durante sua primeira execução operacional. Por exemplo, o modelo permitiu ao Centro Nacional de Furacões (NHC) prever a rápida intensificação e chegada do furacão Melissa na Jamaica com cerca de 80% de confiança com cinco dias de antecedência, aumentando para quase 100% de confiança três dias antes da chegada.
“Avaliamos nosso modelo internamente com base em previsões históricas e somos muito rigorosos com nossas avaliações. Mas, mesmo assim, não sabíamos se poderíamos realmente acreditar no que estávamos vendo”, disse o cientista pesquisador da DeepMind, Tom Andersson, ao Gizmodo. “Ao ver o desempenho do nosso modelo em tempo real com base em dados que ele nunca tinha visto antes, ficamos francamente chocados com o desempenho.”
Um estudo publicado recentemente na revista Nature mostrou que WeatherNext Cyclones alcança precisão de última geração na previsão da trajetória, intensidade e estrutura do vento de um ciclone. A equipe WeatherNext colaborou com especialistas do NHC e de outras instituições para avaliar o modelo com base em dados históricos de 2023 a 2025 e descobriu que, em média, ele fornece um dia extra de precisão preditiva.
Isto marca um grande salto em frente. Os investigadores acreditam que esta melhoria é aproximadamente equivalente ao progresso alcançado pela previsão tradicional de furacões ao longo da última década.
Por que eles fizeram isso
Nos primeiros dias de desenvolvimento da família WeatherNext de modelos de previsão de IA, “inicialmente estávamos apenas tentando prever o clima do dia a dia, então treinamos um modelo de IA que, dado o clima de hoje, prevê o clima de amanhã”, disse Ferran Alet, gerente de pesquisa da equipe da DeepMind. Ele e seus colegas logo descobriram que o modelo era muito bom em prever trajetórias de ciclones, mas tinha dificuldade em prever a intensidade.
Há muito tempo que isto tem sido um problema não apenas para os modelos de IA, mas também para os modelos físicos. As correntes atmosféricas globais orientam um ciclone, mas processos termodinâmicos altamente localizados e em grande escala em torno do centro da tempestade determinam a sua intensidade. Devido a essas escalas opostas, os modelos meteorológicos há muito lutam para prever com precisão ambos ao mesmo tempo.
As consequências deste compromisso foram demonstradas pelo furacão Otis em 2023, que apanhou os meteorologistas desprevenidos quando os modelos físicos não conseguiram prever a sua rápida intensificação de uma tempestade tropical para um furacão de categoria 5. Quando Otis atingiu a costa do Pacífico do México, as comunidades não estavam preparadas. A tempestade causou danos catastróficos e matou dezenas de pessoas.
Naquela época, “a IA era ainda pior do que os modelos baseados na física na previsão de intensidade e também não se acreditava que fosse boa em extremos”, explicou Alet. Ele e seus colegas desenvolveram WeatherNext Cyclones com o objetivo de criar um modelo de IA que pudesse prever com precisão a trajetória, a intensidade e os extremos dos ciclones tropicais.
“Estávamos muito motivados para resolver este problema, o que fizemos especializando os nossos modelos para treinar numa base de dados especializada de ciclones tropicais históricos, e através disso fomos capazes de superar algumas dessas limitações e realmente avançar a ciência em cerca de uma década”, disse Andersson.
Por que eles são vencedores
À medida que as alterações climáticas provocam ciclones tropicais mais poderosos, prever a sua trajetória e intensidade com maior tempo e precisão nunca foi tão crítico. De acordo com projeções abaixo de 2 graus Celsius (3,6 graus Fahrenheit) de aquecimento global, a intensidade dos ciclones tropicais poderá aumentar em média 1% a 10% globalmente. Prevê-se também que as taxas de precipitação e os períodos de rápida intensificação aumentem.
WeatherNext Cyclones elevou o nível de previsão de ciclones em um mundo em aquecimento. Além de superar a compensação entre intensidade de rastreamento, ele aborda outro desafio fundamental na previsão de IA: o problema do “cisne cinza”. Os extremos climáticos do cisne cinzento são fisicamente plausíveis, mas tão raros que são mal representados nos conjuntos de dados de treinamento. Isto significa que os modelos de IA têm dificuldade em prever estes eventos altamente destrutivos, o que é preocupante, dado que as alterações climáticas estão a levar a mais deles.
Ao gerar até 1.000 cenários possíveis, os WeatherNext Cyclones podem capturar melhor essas tempestades de baixa probabilidade, mas potencialmente devastadoras, explicou Andersson.
Além disso, o WeatherNext Cyclones é acessível às comunidades que estão na linha de frente das mudanças climáticas e que historicamente carecem dos recursos e da infraestrutura necessários para a previsão tradicional. O modelo é de código aberto no GitHub e, diferentemente dos modelos físicos, não precisa de um supercomputador para funcionar. A equipe DeepMind também criou o Weather Lab, uma plataforma digital que fornece acesso a todas as versões mais recentes de seus modelos meteorológicos.
Este nível de acessibilidade poderia melhorar significativamente as capacidades de previsão nos locais mais vulneráveis à crescente ameaça de ciclones tropicais extremos.
O que vem a seguir
No futuro, a equipe DeepMind espera expandir suas parcerias. Atualmente, os ciclones WeatherNext são usados por especialistas do NHC, do Instituto Cooperativo de Pesquisa na Atmosfera (CIRA) da Universidade Estadual do Colorado e do Met Office do Reino Unido, mas Alet quer ver seu impacto se estender ainda mais.
“Os ciclones são um problema global”, disse ele. “Eles estão no Pacífico Ocidental, na Austrália, na Índia, e por isso estamos a expandir as parcerias para levar este bem a nível global, não apenas aos EUA e às regiões das Caraíbas.”
À medida que mais colaboradores trabalham com o modelo, a sua precisão e eficiência continuarão a melhorar. Ao construir o próximo sistema de previsão de última geração, “o melhor que podemos fazer é ultrapassar a barreira do caos, um dia de cada vez”, disse Alet. “O que a IA nos permite fazer é acelerar o progresso.”
Embora a IA não consiga eliminar a incerteza inerente ao clima, especialmente num clima cada vez mais volátil, o WeatherNext Cyclones mostra que pode ultrapassar os limites do que a previsão pode alcançar.
“Acho que estamos entrando em uma nova era em que os modelos meteorológicos de IA são capazes de avançar além da barra anterior de precisão, e pensamos em nossa tecnologia como uma nova ferramenta muito poderosa na caixa de ferramentas”, disse Andersson.
A equipe
Este trabalho reflete as contribuições dos coautores do artigo: Ferran Alet, Tom Andersson, Ilan Price, Stratis Markou, Andrew El-Kadi, Dominic Masters, Amy Li, Samier Merchant, Natalie Williams, Gregory Thornton, Ken MacKay, Olivia Graham, Akib Uddin, Ben Gaiarin, Devaja Shah, Elinor Kruse, Wallace Hogsett, David Zelinsky, John Cangialosi, Jonathan Martinez, James Franklin, Mark DeMaria, Kate Musgrave, Caroline L. Bain, Helen Titley, Jacklynn Stott, Remi Lam, Aaron Bell, Paul Komarek, Matthew Willson, Alvaro Sanchez-Gonzalez e Peter Battaglia.
Clique aqui para ver todos os vencedores da Gizmodo Science Fair de 2026.
