O Google DeepMind acaba de transformar para sempre a previsão de furacões com um novo modelo de IA.

Google DeepMind anunciou na quinta-feira um que afirma ser um grande avanço na previsão de furacões, introduzindo um sistema de inteligência artificial que pode prever tanto o caminho quanto a intensidade de ciclones tropicais com precisão sem precedentes — um desafio ao longo do tempo que eludiu modelos meteorológicos tradicionais por décadas.

A empresa lançou o Weather Lab, uma plataforma interativa que apresenta seu modelo experimental de previsão de ciclones, que gera 50 cenários possíveis de tempestades com até 15 dias de antecedência. Mais significativamente, a DeepMind anunciou uma parceria com o Centro Nacional de Furacões dos EUA, marcando a primeira vez que a agência federal incorporará previsões experimentais de IA em seu fluxo de trabalho operacional de previsão.

“Estamos apresentando três coisas diferentes”, disse Ferran Alet, um cientista de pesquisa da DeepMind liderando o projeto, durante uma coletiva de imprensa na quarta-feira. “A primeira é um novo modelo experimental desenvolvido especificamente para ciclones. A segunda é que estamos empolgados em anunciar uma parceria com o Centro Nacional de Furacões que permite que meteorologistas humanos vejam nossas previsões em tempo real.”

O anúncio marca um ponto crítico na aplicação da inteligência artificial na previsão do tempo, uma área onde os modelos de aprendizado de máquina têm ganhado espaço rapidamente em relação aos sistemas tradicionais baseados em física. Ciclones tropicais — que incluem furacões, tufões e ciclones — causaram $1,4 trilhões em perdas econômicas nos últimos 50 anos, tornando a previsão precisa uma questão de vida e morte para milhões em regiões costeiras vulneráveis.

Por que modelos de tempo tradicionais lutam com o caminho e a intensidade da tempestade

O avanço aborda uma limitação fundamental nos métodos de previsão atuais. Modelos de tempo tradicionais enfrentam um dilema: modelos globais de baixa resolução são excelentes em prever para onde as tempestades irão, capturando vastos padrões atmosféricos, enquanto modelos regionais de alta resolução preveem melhor a intensidade da tempestade, concentrando-se em processos turbulentos dentro do núcleo da tempestade.

“Fazer previsões de ciclones tropicais é difícil porque estamos tentando prever duas coisas diferentes”, explicou Alet. “A primeira é a previsão de trajeto, ou seja, para onde o ciclone vai. A segunda é a previsão de intensidade, ou seja, quão forte o ciclone vai ficar?”

O modelo experimental da DeepMind afirma resolver ambos os problemas simultaneamente. Em avaliações internas, segundo os protocolos do Centro Nacional de Furacões, o sistema de IA demonstrou melhorias substanciais em relação aos métodos existentes. Para a previsão de trajeto, as previsões de cinco dias do modelo estavam, em média, 140 quilômetros mais próximas das posições reais das tempestades do que ENS, o principal modelo de ensembles baseado em física da Europa.

Mais notavelmente, o sistema superou o Sistema de Análise e Previsão de Furacões da NOAA (HAFS) na previsão de intensidade — uma área onde modelos de IA historicamente lutaram. “Este é o primeiro modelo de IA que agora somos muito habilidosos também na intensidade de ciclones tropicais,” observou Alet.

Como previsões de IA superam modelos tradicionais em velocidade e eficiência

Além das melhorias de precisão, o sistema de IA demonstra ganhos de eficiência dramáticos. Enquanto modelos baseados em física tradicionais podem levar horas para gerar previsões, o modelo da DeepMind produz previsões de 15 dias em aproximadamente um minuto em um único chip de computador especializado.

“Nosso modelo probabilístico agora é ainda mais rápido que o anterior,” disse Alet. “Estima-se que nosso novo modelo leva cerca de um minuto” em comparação com os oito minutos necessários pelo modelo anterior da DeepMind.

Essa vantagem de velocidade permite que o sistema atenda prazos operacionais apertados. Tom Anderson, um engenheiro de pesquisa da equipe de IA da DeepMind, explicou que o Centro Nacional de Furacões solicitou especificamente que as previsões estivessem disponíveis dentro de seis horas e meia após a coleta de dados — um objetivo que o sistema de IA agora atende antes do prazo.

Parceria com o Centro Nacional de Furacões coloca a previsão meteorológica de IA à prova

A parceria com o Centro Nacional de Furacões valida a previsão meteorológica de IA de forma significativa. Keith Battaglia, diretor sênior que lidera a equipe de clima da DeepMind, descreveu a colaboração como um evoluir de conversas informais para uma parceria mais oficial, permitindo que os meteorologistas integrem previsões de IA com métodos tradicionais.

“Não era realmente uma parceria oficial naquela época, foi mais uma conversa casual,” disse Battaglia sobre as discussões iniciais que começaram há cerca de 18 meses. “Agora estamos trabalhando em direção a uma parceria mais oficial que nos permita entregar os modelos que estamos construindo, e então eles podem decidir como usá-los em suas orientações oficiais.”

A temporização se mostra crucial, com a temporada de furacões do Atlântico de 2025 já em andamento. Os meteorologistas do centro de furacões verão previsões de IA ao vivo ao lado de modelos baseados em física tradicionais e observações, potencialmente melhorando a precisão das previsões e permitindo avisos antecipados.

A Dra. Kate Musgrave, uma cientista de pesquisa no Instituto Cooperativo de Pesquisa na Atmosfera da Universidade Estadual do Colorado, tem avaliado o modelo da DeepMind de forma independente. Ela constatou que ele demonstra “habilidade comparável ou maior do que os melhores modelos operacionais para trajeto e intensidade,” segundo a empresa. Musgrave declarou que está “ansiosa para confirmar esses resultados a partir de previsões em tempo real durante a temporada de furacões de 2025.”

Os dados de treinamento e inovações técnicas por trás do avanço

A eficácia do modelo de IA decorre de seu treinamento em dois conjuntos de dados distintos: vastos dados de reanálise que reconstituem padrões climáticos globais a partir de milhões de observações, e um banco de dados especializado contendo informações detalhadas sobre quase 5.000 ciclones observados nos últimos 45 anos.

Essa abordagem dupla é um desvio em relação aos modelos meteorológicos de IA anteriores que se concentravam principalmente em condições atmosféricas gerais. “Estamos treinando em dados específicos de ciclones,” explicou Alet. “Estamos usando IBTracs e outros tipos de dados. Portanto, o IBTracs fornece latitude e longitude e intensidade e raios de vento para múltiplos ciclones, até 5.000 ciclones nos últimos 30 a 40 anos.”

O sistema também incorpora avanços recentes em modelagem probabilística por meio do que a DeepMind chama de Redes Gerativas Funcionais (FGN), detalhadas em um artigo de pesquisa lançado junto com o anúncio. Essa abordagem gera ensembles de previsão aprendendo a perturbar os parâmetros do modelo, criando variações mais estruturadas do que os métodos anteriores.

Previsões passadas de furacões mostram potencial para sistemas de alerta antecipado

O Weather Lab é lançado com mais de dois anos de previsões históricas, permitindo que especialistas avaliem o desempenho do modelo em todos os oceanos. Anderson demonstrou as capacidades do sistema usando o Furacão Beryl de 2024 e o notório Furacão Otis de 2023.

O Furacão Otis mostrou ser particularmente significativo porque se intensificou rapidamente antes de atingir o México, pegando muitos modelos tradicionais de surpresa. “Muitos modelos previam que a tempestade permaneceria relativamente fraca durante sua vida útil,” explicou Anderson. Quando a DeepMind mostrou esse exemplo aos meteorologistas do Centro Nacional de Furacões, “eles disseram que nosso modelo provavelmente teria fornecido um sinal mais precoce do risco potencial desse ciclone específico se o tivessem disponível na época.”

O que isso significa para o futuro da previsão do tempo e adaptação climática

O desenvolvimento sinaliza a crescente maturidade da inteligência artificial na previsão do tempo, após avanços recentes dos GraphCast da DeepMind e outros modelos de IA que começaram a superar sistemas tradicionais em várias métricas.

“Acho que, por um período inicial, os primeiros anos, temos nos concentrado principalmente em artigos científicos e avanços de pesquisa,” refletiu Battaglia. “Mas, à medida que conseguimos mostrar que esses sistemas de aprendizado de máquina estão rivalizando, ou até mesmo superando, os tradicionais sistemas baseados em física, ter a oportunidade de tirá-los do contexto científico para o mundo real é realmente empolgante.”

A parceria com agências governamentais é um passo crucial em direção ao uso operacional de sistemas de previsão meteorológica de IA. No entanto, a DeepMind enfatiza que o Weather Lab permanece uma ferramenta de pesquisa, e os usuários devem continuar confiando em agências meteorológicas oficiais para previsões e alertas autoritativos.

A empresa planeja continuar coletando feedback de agências de meteorologia e serviços de emergência para melhorar as aplicações práticas da tecnologia. À medida que as mudanças climáticas potencialmente intensificam o comportamento de ciclones tropicais, avanços na precisão de previsão podem se tornar cada vez mais vitais para proteger populações costeiras vulneráveis em todo o mundo.

“Acreditamos que a IA pode fornecer uma solução aqui,” concluiu Alet, referindo-se às interações complexas que tornam a previsão de ciclones tão desafiadora. Com a temporada de furacões de 2025 em andamento, o desempenho no mundo real do sistema experimental da DeepMind em breve enfrentará seu teste definitivo.