O mais recente modelo de IA meteorológica do Google não te dá desculpa para esquecer o guarda-chuva

Cientistas do Google DeepMind e do Google Research lançaram hoje um novo modelo de inteligência artificial para previsão do tempo que enxerga nossa atmosfera em transformação com mais clareza e prevê seu comportamento com mais frequência.

O WeatherNext 3 é a onda mais recente de uma mudança profunda na meteorologia provocada por técnicas de aprendizado profundo, e o Google afirma que ele começará a alimentar as informações meteorológicas que os usuários veem na busca, no Google Maps e no Gemini, além de ficar disponível para usuários e pesquisadores nas plataformas de computação em nuvem do Google.

“Esta será a primeira vez que algumas das variáveis principais alimentarão e darão suporte a muitos dos produtos do Google”, disse ao TechCrunch Samier Merchant, engenheiro sênior de equipe do Google.

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

Além de superar outros modelos de aprendizado profundo criados por Google, Microsoft, Nvidia e pelo Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF), ele também supera as previsões tradicionais do Serviço Nacional de Meteorologia dos EUA e do ECMWF.

A maioria das previsões meteorológicas vem de supercomputadores pertencentes a governos que processam arduamente equações matemáticas escritas para descrever a física do clima; embora esses sistemas tenham se tornado notavelmente precisos, eles são caros e comparativamente lentos. Depois que o ECMWF divulgou mais de meio século de dados meteorológicos produzidos por esses sistemas em 2018, pesquisadores de aprendizado profundo começaram a treinar modelos capazes de fazer previsões muito mais rapidamente e com precisão comparável à das ferramentas governamentais.

“O clima é caótico, e pequenas diferenças começam a perturbar massivamente... O aprendizado de máquina aborda o problema que estamos realmente resolvendo, que é a física barulhenta aproximada a partir de informações incompletas e computação finita, aprendendo assim padrões a partir de muitos dados”, disse Ferran Alet, gerente de cientistas de pesquisa da equipe do DeepMind.

Desde então, os criadores de modelos têm atacado as principais fraquezas dos modelos de previsão por IA: eles tendem a prever sobre uma área mais ampla — 15 a 25 quilômetros quadrados — do que o realmente útil, nem sempre se saem bem com chuva e ainda dependem dos conjuntos de dados formatados produzidos por agências governamentais.

O WeatherNext 3 assume os três desafios. Em variáveis-chave, pesquisadores disseram ao TechCrunch, ele pode prever até uma resolução de 5 km. Suas avaliações sobre chuva apresentam uma melhoria de 60% 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 projetistas. O WeatherNext 3 é um modelo maior, com 2,4 vezes mais parâmetros do que seu antecessor, adaptando os alvos para as cabeças do decodificador para fornecer respostas mais úteis. Embora a maioria das previsões meteorológicas seja emitida como métricas calculadas na média em uma grade 3D, os pesquisadores do DeepMind já ganharam elogios ao ajustar seu modelo para também visualizar trajetórias de ciclones.

Desta vez, os projetistas também treinaram o modelo para direcionar suas previsões a estações de dados meteorológicos específicas. Isso é importante não apenas para oferecer previsões mais granulares, mas também para poder avaliar seu trabalho em relação a dados reais obtidos no solo (ground-truth).

“A ideia, com muitas aplicações de IA, é tentar executar tarefas da forma mais integrada (end-to-end) possível”, disse Daniel Rothenberg, cientista atmosférico da Brightband. “Adicionar um recurso em que este modelo agora também prevê, digamos, o que a estação meteorológica do aeroporto de Denver vai medir de hora em hora, simplesmente conecta essa tarefa de previsão mais de perto à essência.”

O modelo é capaz de prever com mais frequência porque consegue ingerir dados de satélites meteorológicos coletados em tempo real de hora em hora. Alimentar modelos de IA com observações empíricas brutas, em vez da análise produzida 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 diz 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 de IA meteorológica WindBorne diz que seu modelo, o 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 têm maior resolução em todo o globo. Independentemente disso, ambos os modelos ainda dependem de conjuntos de dados meteorológicos nacionais para realizar previsões, portanto, mais trabalho será necessário para a verdadeira assimilação direta de dados.

Embora os LLMs recebam a maior parte da atenção, a revolução dos *transformers* na meteorologia tem sido igualmente importante. Agências meteorológicas europeias e dos EUA já estão usando modelos de IA em seus produtos de previsão, e sua velocidade e baixo custo prometem trazer impacto econômico para regiões mais pobres, onde a despesa com sensores de alta qualidade e supercomputadores tornou as previsões precisas inacessíveis.

Bill Gates citou recentemente a previsão do tempo impulsionada por IA como um benefício crucial da tecnologia, com previsões melhores melhorando a produtividade das colheitas em países em desenvolvimento. Alet, o pesquisador do DeepMind, disse que previsões de maior resolução de vento, chuva e cobertura de nuvens serão úteis para tornar os projetos de energia renovável mais confiáveis.

“No fim 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.