Em média, o WeatherNext dá mais um dia de antecedência do que os existentes: uma previsão feita três dias antes tem uma precisão semelhante à que os modelos anteriores apenas conseguiam a dois dias. E esse dia extra pode ser decisivo.
Em outubro de 2025, formou-se uma tempestade sobre o mar das Caraíbas. Os modelos meteorológicos divergiam sobre o que iria acontecer: alguns apontavam para um sistema relativamente fraco a caminho do Haiti, outros para uma intensificação em direção à Jamaica.
O WeatherNext, modelo de IA desenvolvido pela Google DeepMind e pela Google Research, apostou na segunda hipótese. Cinco dias antes de a tempestade chegar a terra, previu, com 80% de confiança, que atingiria a Jamaica como um furacão de categoria 5.
O furacão Melissa acabou por provocar inundações e deslizamentos de terras em toda a Jamaica, mas a previsão ajudou os meteorologistas a emitir avisos mais cedo e a dar mais tempo às populações para se prepararem.
Num estudo publicado na quinta-feira Nature, uma equipa de cientistas mostra agora que o WeatherNext consegue prever ciclones com uma precisão sem precedentes.
Em média, o modelo dá mais um dia de antecedência do que os existentes: uma previsão feita três dias antes tem uma precisão semelhante à que os modelos anteriores apenas conseguiam a dois dias.
E esse dia extra pode ser decisivo. “Até algumas horas podem fazer a diferença”, diz Mike Brennan, diretor do National Hurricane Center dos EUA, à Wired.
Evacuar populações, posicionar mantimentos e deslocar equipas e outros recursos são operações em que o tempo é crítico.
Segundo os autores do estudo, historicamente seriam necessários cerca de 10 anos de desenvolvimento para conseguir antecipar em um dia previsões com o mesmo grau de precisão.
Os fenómenos extremos são particularmente difíceis para sistemas de inteligência artificial. A aprendizagem automática depende de grandes quantidades de dados de treino, mas ciclones de grande intensidade são, por definição, raros.
“Não temos assim tantos dados sobre ciclones, mas temos uma enorme quantidade de dados meteorológicos”, explica Ferran Alet, investigador da Google DeepMind e autor principal do estudo.
A equipa treinou, por isso, um modelo capaz de compreender ao mesmo tempo o estado geral da atmosfera e o comportamento específico dos ciclones.
Os furacões colocam outro problema: prever a sua trajetória e a sua intensidade exige informação a escalas muito diferentes.
Para estimar a direção de deslocação de uma tempestade, os modelos precisam de dados meteorológicos à escala global, como a localização das frentes frias ou os ventos dominantes.
Já a intensidade depende de condições atmosféricas e oceânicas muito mais locais.
Segundo Kate Musgrave, responsável pelo grupo de ciclones tropicais do Cooperative Institute for Research in the Atmosphere e coautora do estudo, anteriores modelos de IA já conseguiam prever bem a trajetória dos furacões, mas tinham dificuldades muito maiores com a intensidade.
E essa diferença é fundamental. Uma rápida intensificação pode transformar em poucas horas uma tempestade relativamente fraca num grande furacão.
Foi o que aconteceu com o Melissa: pela primeira vez, o National Hurricane Center conseguiu prever um furacão de categoria 5 quando o sistema ainda estava na categoria 1.
Uma “caixa negra”
Antes de utilizar o WeatherNext em previsões operacionais, os investigadores testaram o modelo com dados históricos. Os resultados foram tão bons que a própria equipa duvidou inicialmente que se repetissem em tempo real.
Porém, repetiram-se.
Mais surpreendente é o facto de nem os investigadores da DeepMind compreenderem completamente como o modelo consegue prever tão bem a intensidade dos ciclones.
O WeatherNext usa dados atmosféricos com uma resolução muito inferior à que os modelos tradicionais normalmente exigem para este tipo de previsão, o que sugere que há nesses dados informação que até agora não estava a ser devidamente explorada.
“No fim de contas, é uma caixa negra“, admite Alet. Mas o resultado, acrescenta, pode também dar aos físicos pistas sobre processos que ainda não são totalmente compreendidos.
O WeatherNext também não produz apenas uma previsão: gera muitos cenários possíveis para a evolução de uma tempestade, o que permite aos meteorologistas avaliar diferentes trajetórias e intensidades possíveis e ter em conta pequenas alterações que podem provocar grandes diferenças mais tarde.
No ano passado, o modelo gerava 50 cenários por tempestade. Agora produz 1.000.
“Com a capacidade computacional de que dispomos, simplesmente não conseguimos fazer isso com os atuais modelos numéricos”, afirma Musgrave.
Brennan sublinha, porém, que o WeatherNext é apenas mais uma ferramenta. Um modelo que tenha funcionado particularmente bem numa tempestade ou numa temporada pode não ser o melhor na seguinte.
E o papel humano continua a ser essencial.
“Um furacão não é apenas uma previsão da trajetória ou da intensidade”, afirma. “São necessários especialistas para traduzir essa informação nos impactos que poderá provocar. E são os impactos que matam pessoas.”
A Google DeepMind anunciou entretanto que vai disponibilizar em código aberto os modelos WeatherNext usados durante a temporada de furacões, permitindo que outros investigadores os estudem e aperfeiçoem.
Alet espera que essa abertura ajude não apenas a melhorar as previsões, mas também a compreender melhor a própria física dos ciclones. “Acredito que a IA nos está a dar novas ferramentas para investigar as leis do universo”, conclui.
(ZAP )