IA da DeepMind dá um dia extra de antecedência para prever furacões
O modelo WeatherNext, da Google DeepMind, passou a prever a trajetória e intensidade de ciclones tropicais com um dia de antecedência a mais do que os sistemas tradicionais, e surpreendeu cientistas ao alcançar essa precisão com dados 100 vezes mais grosseiros que o normal.
Por Redação tech & talk · Curadoria assistida por IA, revisão humana
Um dia a mais de aviso
Um novo modelo de inteligência artificial da Google DeepMind está mudando a forma como cientistas preveem furacões. Batizado de WeatherNext, o sistema consegue produzir previsões de três dias de antecedência sobre trajetória e intensidade de ciclones tropicais com a mesma confiabilidade que os modelos tradicionais só alcançavam com dois dias de antecedência — um ganho equivalente a cerca de uma década de progresso no campo da meteorologia, segundo os próprios pesquisadores.
Os resultados foram publicados em 6 de agosto na revista científica Nature, após o modelo ser testado operacionalmente pelo National Hurricane Center (NHC) dos Estados Unidos durante a temporada de furacões do Atlântico de 2025.
O teste real: furacão Melissa
O caso mais emblemático de uso do WeatherNext ocorreu com o furacão Melissa, em outubro de 2025. O modelo apontou, com cinco dias de antecedência, uma probabilidade de 80% de que o sistema em formação se intensificaria até a categoria 5 e atingiria a Jamaica — a primeira vez que o NHC conseguiu prever uma tempestade de categoria 5 quando ela ainda estava na categoria 1. Melissa de fato se intensificou rapidamente e provocou inundações e deslizamentos de terra na ilha.
O mistério que intrigou os cientistas
O aspecto mais surpreendente do WeatherNext Cyclones, variante do modelo dedicada a ciclones, é que ele alcança previsões de intensidade no nível do estado da arte usando dados de entrada com resolução de apenas 28x28 km — cerca de 100 vezes mais grosseira do que a normalmente exigida por modelos regionais tradicionais, que dependem de resolução fina para captar a dinâmica térmica do núcleo da tempestade. Uma versão ainda mais compacta, a WeatherNext 2-mini, opera com resolução de 111x111 km e mesmo assim apresenta bom desempenho.
Esse resultado desafiou a premissa de décadas de que apenas dados de altíssima resolução poderiam captar os sinais que antecedem mudanças bruscas de intensidade. Os próprios pesquisadores da DeepMind admitem que ainda não compreendem totalmente por que o modelo consegue produzir previsões tão precisas a partir de entradas tão simplificadas, tratando a questão como um problema de pesquisa em aberto para a comunidade científica.
Escala e disponibilidade
O WeatherNext foi treinado com cerca de 20 terabytes de dados atmosféricos globais e com o banco de dados histórico IBTrACS, que reúne registros de quase 5.000 tempestades. Usando redes generativas funcionais (FGNs), o sistema é capaz de gerar até 1.000 cenários de previsão por tempestade — ante os 50 cenários típicos até 2025 — e processa uma previsão de 15 dias em menos de um minuto rodando em TPUs do Google.
A Google DeepMind abriu o código e os pesos do modelo no GitHub, sob licença Apache 2.0, em três variantes: WeatherNext Cyclones, WeatherNext 2 e WeatherNext 2-mini, na expectativa de que outros pesquisadores ajudem a decifrar por que o modelo funciona tão bem.