Google DeepMind lança WeatherNext 3, IA climática mais precisa que já criou

O que aconteceu

Google DeepMind e Google Research anunciaram o WeatherNext 3, um modelo global de previsão do tempo baseado em inteligência artificial. O WeatherNext 3 foi apresentado como o mais avançado e preciso já lançado, de acordo com avaliações independentes em tempo real conduzidas pela Brightband, empresa especializada em dados meteorológicos.

O sistema aprende diretamente de observações em tempo real, em vez de depender apenas de registros históricos. Para isso, o modelo consome mosaicos de satélites geoestacionários atualizados a cada hora, combinados com análises históricas, em uma única rede neural chamada Functional Generative Network (FGN), um mesh transformer flexível.

A arquitetura produz campos de grade densos, trajetórias discretas de ciclones e previsões nativas para coordenadas de estações esparsas. Na prática, isso permite enxergar variáveis de superfície como temperatura e umidade em resolução de 5 quilômetros, outras variáveis de superfície em 10 quilômetros e variáveis atmosféricas, como velocidade do vento, em 25 quilômetros.

Contexto

Nos últimos anos, a IA mudou a previsão do tempo ao usar registros históricos para fazer previsões mais rápidas e precisas do que os métodos tradicionais. Ainda assim, prever fenômenos locais e de mudança rápida seguia sendo um desafio, porque os modelos anteriores careciam de resolução espacial suficiente e tinham dificuldade para incorporar dados meteorológicos em tempo real vindos de satélites.

O antecessor, o WeatherNext 2, operava em uma grade de 25 quilômetros com incrementos de 6 horas. O WeatherNext 3, modelo da Google DeepMind, substitui esse padrão por previsões horárias e uma resolução cerca de cinco vezes mais nítida, mantendo consistência física entre os padrões globais de vento e a topografia local.

Por que importa

O clima influencia bilhões de decisões diárias em agricultura, cadeias de suprimentos globais, geração de energia limpa e economias nacionais. Eventos extremos como ondas de calor e secas têm impactos em cascata que custam caro a produtores, companhias de energia e governos.

Com previsões horárias em alta resolução, o WeatherNext 3 permite antecipar fenômenos locais de mudança rápida que grades de 25 quilômetros simplesmente não captavam. Para um país agrícola e energético como o Brasil, onde a geração hidrelétrica e a eólica dependem diretamente do comportamento do vento e da chuva, previsões mais finas ajudam operadores a ajustar a produção e a evitar desperdício.

Impacto

O uso de dados brutos de satélite permite ao modelo gerar uma previsão a cada hora, algo que aproxima a ferramenta das condições reais de atmosfera em evolução. A Google DeepMind afirma que essas previsões confiáveis serão disponibilizadas em produtos do Google em todo o mundo.

No curto prazo, setores sensíveis ao clima ganham granularidade operacional. Modelos de vento em resolução de 25 quilômetros, combinados com temperatura e umidade em 5 quilômetros, dão a parques eólicos e fazendas solares uma leitura mais fina do potencial de geração nas próximas horas. Redes elétricas podem antecipar picos de demanda por refrigeração em ondas de calor localizadas.

O que muda

A diferença prática está no salto de escala temporal e espacial. Onde o WeatherNext 2 entregava um retrato global a cada 6 horas em células de 25 quilômetros, o WeatherNext 3 entrega o mesmo retrato a cada hora, com detalhe cinco vezes maior para as variáveis que mais afetam o cotidiano. O modelo, que lê observações em tempo real como fonte primária de aprendizado, representa uma mudança em relação à lógica anterior de treinar predominantemente em dados históricos.

O que vem agora

As previsões do WeatherNext 3 devem chegar aos produtos do Google, embora a empresa não tenha detalhado prazos ou quais serviços serão os primeiros a receber o modelo. A evolução do WeatherNext 2 para o WeatherNext 3 indica um ciclo contínuo de aperfeiçoamento por parte do Google DeepMind, e novas versões tendem a ampliar ainda mais a resolução e a janela de uso em aplicações de energia, logística e proteção civil.