IA da DeepMind antecipa furacões com um dia extra de aviso

Em outubro de 2025, uma tempestade no Caribe baralhou os modelos clássicos. Uns diziam Haiti, outros mantinham-se vagos. O WeatherNext, modelo de IA da DeepMind e Google Research, cravou Jamaica e ainda subiu a parada: cinco dias antes do impacto apontou 80 por cento de probabilidade de furacão de categoria 5. Chamou-se Melissa e foi tão violento como previsto.

Esse caso abriu caminho ao artigo agora publicado na Nature: os investigadores mostram que o WeatherNext consegue prever a trajetória e a intensidade de ciclones com uma precisão sem precedentes e, em média, dar mais um dia de antecedência em relação aos modelos numéricos tradicionais. Em linguagem prática, a previsão a três dias passa a ter a mesma qualidade que antes só se conseguia a dois. Num contexto em que evacuar cidades, pré-posicionar geradores e encerrar infraestruturas críticas é uma corrida ao minuto, esse dia extra vale mais do que qualquer keynote de IA.

O truque não é mágico, mas foge à ortodoxia da meteorologia. Modelos físicos clássicos exigem dados de altíssima resolução e enormes recursos de cálculo. O WeatherNext faz o contrário: trabalha com dados atmosféricos de resolução relativamente baixa e aprende, por treino em grandes quantidades de registos meteorológicos, os padrões que ligam o “macro” global aos detalhes de um ciclone. A parte desconfortável é que nem os próprios autores sabem bem como o modelo extrai essas pistas dos dados grosseiros. É uma caixa‑preta que, por agora, acerta mais do que os modelos transparentes.

Hurricanes são difíceis por operarem em várias escalas espaciais em simultâneo. A rota depende de frentes frias, ventos dominantes e circulação global. A intensidade precisa de informação fina sobre temperatura da água, humidade local e estrutura interna da tempestade. Até aqui, a IA brilhava na rota e falhava na intensidade. O WeatherNext consegue finalmente morder este segundo problema, incluindo episódios de intensificação rápida como a própria Melissa, que saltou de categoria 1 para 5 em pouco tempo e ainda assim foi antecipada como tal.

Antes de entrar em operação real, o modelo foi testado em dados históricos, onde já superava a concorrência. O mais surpreendente é que essa vantagem se manteve quando passou a ser usado pelo National Hurricane Center em tempo real. O sistema não cospe uma linha única de futuro, gera um leque de cenários prováveis, precisamente para capturar esse “efeito borboleta” que torna a previsão de extremos tão traiçoeira. Os meteorologistas passam a ter mais uma peça no mosaico, ao lado dos modelos físicos, em vez de um oráculo solitário.

Há, no entanto, um lado político e prático que o paper trata por alto. A DeepMind promete abrir o código do WeatherNext, o que contrasta com muitas ofertas comerciais de “tempo com IA”, como as da startup que usa balões e modelos proprietários para vender previsões, de que já falámos em balões e IA para previsões do tempo. Um modelo aberto, validado em revistas científicas e adotado por centros públicos, pode limitar a captura privada de um serviço que é claramente de interesse público. O incómodo é este: estamos a ganhar dias vitais de aviso, mas a troco de confiar em algoritmos que nem quem os treinou consegue explicar. A ciência do clima sempre viveu da física, agora começa a viver também da estatística profunda. E a discussão já não é se vamos usar estes modelos, é quem os controla, em que termos, e quem responde quando um dia eles falharem à grande.

Fonte: Wired