A IA do Google DeepMind Deu à Jamaica um Dia Extra para se Preparar para um Furacão Categoria 5

Pontos principais

• O modelo WeatherNext do Google DeepMind previu que o Furacão Melissa atingiria a Jamaica como uma tempestade Categoria 5 cinco dias antes do landfall, com 80 por cento de confiança.
• Em média, o WeatherNext dá aos meteorologistas um dia inteiro extra de aviso preciso em comparação com modelos existentes, de acordo com um artigo publicado na Nature na quinta-feira.
• O modelo gerou 1.000 cenários de tempestade possíveis de uma vez, um volume que a computação tradicional não consegue alcançar.
• O DeepMind está a lançar os modelos WeatherNext como software de código aberto para que investigadores independentes os possam estudar e melhorar.
• Até os próprios programadores do modelo não conseguem explicar completamente como alcança a sua precisão usando dados de entrada de menor qualidade do que os que os métodos de previsão tradicionais exigem.

Em outubro de 2025, uma tempestade formou-se silenciosamente sobre as Caraíbas. Os modelos meteorológicos tradicionais discordavam: manteria fraca e desviaria para o Haiti, ou fortalecer-se-ia e viraria para a Jamaica? WeatherNext, um sistema de previsão por IA construído pelas divisões DeepMind e Google Research do Google, apoiou firmemente a segunda opção. Cinco dias antes da tempestade fazer landfall, sinalizou uma probabilidade de 80 por cento de um furacão Categoria 5, a classe mais destrutiva, atingir a Jamaica.

Estava certo. O Furacão Melissa causou inundações e deslizamentos de terra em toda a ilha. Mas o aviso antecipado significou que as comunidades tiveram mais tempo para se preparar.

O que distingue isto da previsão meteorológica regular?

O WeatherNext oferece aos meteorologistas aproximadamente um dia extra de aviso fiável. Isto significa que a sua previsão de três dias é tão precisa quanto as previsões de dois dias dos modelos antigos. Historicamente, dizem os investigadores, ganhar esse único dia teria levado uma década de trabalho científico incremental.

Mike Brennan, diretor do Centro Nacional de Furacões dos EUA, resumiu-o simplesmente: "O tempo é realmente precioso quando se trata desses tipos de decisões."

Organizar evacuações e deslocar suprimentos são tarefas sensíveis ao tempo. Errá-las custa vidas. Um dia a mais importa enormemente.

Porque é que os furacões são tão difíceis de prever em primeiro lugar?

Duas coisas devem ser previstas em simultâneo, e exigem tipos de dados muito diferentes. Rastrear a direção de deslocamento de uma tempestade requer dados meteorológicos de grande escala: posições de frentes frias, padrões de vento em bacias oceânicas inteiras. Prever a força da tempestade requer dados locais de alta resolução sobre a temperatura do oceano e a atmosfera diretamente acima da tempestade. Os modelos de IA anteriores lidavam razoavelmente bem com a trajetória. A intensidade, diz Kate Musgrave, responsável pelo grupo de ciclones tropicais do Instituto Cooperativo de Pesquisa na Atmosfera e coautora do artigo, "não conseguiam fazer bem de forma alguma."

A equipa do DeepMind resolveu isto parcialmente treinando o WeatherNext com enormes volumes de dados meteorológicos gerais juntamente com o conjunto muito menor de registos históricos de ciclones. O modelo aprendeu primeiro padrões atmosféricos amplos e depois aplicou esse conhecimento às tempestades.

A volta mais estranha: o sistema utiliza dados de entrada de resolução inferior aos que os modelos tradicionais consideram necessários para previsão de intensidade, no entanto ainda os supera. Quando a equipa disse isto a outros cientistas, "ficaram chocados", diz Ferran Alet, investigador científico no Google DeepMind e autor principal do artigo. Algo nos dados mais grosseiros contém mais sinal útil do que ninguém suspeitava anteriormente. Ninguém sabe ainda o quê.

"É uma caixa negra no final do dia," reconhece Alet.

O que acontece a seguir?

O DeepMind está a colocar os modelos WeatherNext em código aberto para que investigadores independentes possam examiná-los e, potencialmente, descobrir o que a IA detetou que os físicos humanos não viram.

O modelo agora gera 1.000 cenários de tempestade possíveis para cada furacão em desenvolvimento, acima dos 50 do ano passado. Os modelos numéricos tradicionais, que executam equações de física passo a passo, não conseguem chegar perto desse número com a potência de computação disponível.

Brennan tem uma visão clara dos limites. Nenhum modelo único tem garantia de funcionar melhor em todas as estações futuras. Os especialistas humanos ainda traduzem as previsões brutas em avaliações de impacto, a parte que determina em última análise como as comunidades respondem. "São os impactos que matam pessoas," diz ele.

WeatherNext é um instrumento mais afiado num grande kit de ferramentas. Não é um substituto para as pessoas que o utilizam.