WeatherNext 2 da Google DeepMind eleva a precisão por até duas semanas, traz previsões horárias e acelera análises para energia, agricultura e transporte
A Google DeepMind apresentou o WeatherNext 2, um novo modelo de inteligência artificial para previsão do tempo que, segundo a empresa, supera as abordagens atuais em velocidade e precisão. Voltado a cenários em que decisões dependem de dados meteorológicos confiáveis, como o setor de energia, a plataforma entrega projeções mais granulares e rápidas, reforçando o papel da IA na meteorologia em um contexto de eventos extremos cada vez mais frequentes.
O WeatherNext 2 é uma evolução dos sistemas anteriores do DeepMind, que já haviam demonstrado vantagens sobre métodos tradicionais que rodam em supercomputadores. A nova versão amplia o alcance temporal para até duas semanas, melhora o detalhamento de variáveis como temperatura, pressão e vento, e acelera a entrega de resultados, favorecendo setores que necessitam de previsões mais rápidas e com melhor resolução espacial e temporal.
Previsões mais rápidas, detalhadas e com maior alcance
Segundo a DeepMind, o WeatherNext 2 gera previsões de alta frequência com passos de uma hora, substituindo janelas tradicionais de 12 horas, e oferece ganhos relevantes no rastreamento de tempestades tropicais. Em testes internos, o modelo passou a prever a trajetória de furacões com a mesma precisão que a versão anterior atingia dois dias antes do evento, agora com três dias de antecedência. Essa antecipação pode representar uma diferença crítica para planejamento, segurança e mitigação de danos.
O pesquisador de IA do DeepMind, Akib Uddin, destaca o salto de detalhamento ao descrever o WeatherNext 2: “Ele oferece uma previsão mais detalhada”, afirma Akib Uddin, pesquisador de IA do DeepMind. “Esses passos de uma hora ajudam diversos setores a tomar decisões mais precisas e a tornar seus negócios mais resilientes às condições climáticas.” Em paralelo, a nova arquitetura entrega resultados até oito vezes mais rápido que o antecessor, encurtando a rota entre o dado bruto e a tomada de decisão.
Impacto direto em energia, agricultura e transporte
Para operadores do setor de energia, a possibilidade de trabalhar com previsões horárias do WeatherNext 2 traz um ganho direto na gestão de demanda e oferta, especialmente em contextos com alta participação de renováveis, como eólica e solar, que dependem do comportamento do vento e da nebulosidade. A granularidade de uma hora favorece a programação de usinas, o despacho de cargas e a precificação, reduzindo incertezas ao longo do dia.
Na agricultura, a janela de duas semanas com maior precisão pode melhorar o planejamento de plantio, irrigação e colheita, enquanto no transporte ajuda a ajustar rotas, escalas e operações logísticas em cenários de chuva intensa, rajadas de vento ou calor extremo. Como a DeepMind enfatiza, o modelo se destaca justamente em extremos de temperatura, vento e precipitação, aspectos decisivos para manter a segurança e a eficiência de operações críticas em mercados cada vez mais afetados pelas mudanças climáticas.
Outro diferencial é a forma como modelos de IA como o WeatherNext 2 aprendem padrões diretamente de grandes conjuntos de dados, em vez de simular a física atmosférica completa a cada execução. Essa abordagem permite obter cenários com elevada velocidade e boa acurácia, tornando as previsões mais acessíveis e escaláveis para diferentes aplicações, sem depender exclusivamente de infraestrutura de supercomputação.
Competição crescente e desafios com eventos extremos
O movimento da Google DeepMind acontece em meio a uma corrida tecnológica global. Instituições e empresas como o Centro Europeu de Previsões Meteorológicas, AccuWeather, Weather Co, além de gigantes como Nvidia, Microsoft e Huawei, já disputam espaço com soluções baseadas em IA para previsão meteorológica, sinalizando uma transição acelerada do mercado para métodos orientados por dados.
Ainda assim, há lacunas a preencher. Os pesquisadores reconhecem dificuldades em eventos atípicos de chuva e neve, em parte por escassez de dados de treinamento para esses casos menos frequentes. Como resume Ferran Alet, cientista do DeepMind: “Estamos trabalhando para melhorar essa questão”. O reconhecimento desses limites é importante para orientar expectativas, priorizar novas coletas de dados e calibrar o uso operacional do sistema em contextos de risco.
Apesar desses desafios, a DeepMind indica que o WeatherNext 2 já demonstra vantagens claras em extremos de temperatura, vento e precipitação, fatores críticos em tempos de mudanças climáticas aceleradas. Ao combinar previsões horárias, janela de duas semanas e processamento até 8x mais rápido, o modelo se posiciona como uma ferramenta estratégica para reduzir incertezas, fortalecer a resiliência de negócios e apoiar decisões de alto impacto em escala regional e global.
Para empresas e gestores públicos, o avanço do WeatherNext 2 sinaliza uma próxima etapa na integração de IA à meteorologia operacional. Se as melhorias se mantiverem em diferentes climas e geografias, a combinação de precisão, velocidade e resolução horária pode redefinir como a sociedade se prepara para eventos severos e como setores críticos otimizam seus planos diante de um clima mais volátil.