Principais destaques
- O WeatherNext 2, do Google DeepMind, conseguiu elevar em cerca de 24 horas a antecedência com que previsões de ciclones tropicais podem atingir níveis de precisão comparáveis aos sistemas anteriores.
- A IA já ajudou meteorologistas durante o furacão Melissa, em 2025, ao antecipar a intensificação da tempestade e sua chegada à Jamaica como um furacão de categoria 5.
- O Google está disponibilizando o WeatherNext 2 e o WeatherNext Cyclones de forma aberta, permitindo que pesquisadores estudem, testem e desenvolvam novas aplicações a partir da tecnologia.
Existe uma diferença enorme entre saber que um ciclone está se formando e saber, com confiança suficiente, o que ele poderá fazer alguns dias depois.
Para quem acompanha uma tempestade por satélite, essa diferença pode parecer pequena. Para um meteorologista responsável por uma região costeira, porém, algumas horas podem mudar completamente uma decisão. Evacuações precisam ser organizadas, abrigos preparados, equipes deslocadas e equipamentos posicionados antes que os ventos e as chuvas tornem essas operações perigosas.
É justamente nesse intervalo que o Google DeepMind está tentando avançar.
Em uma pesquisa publicada na revista Nature, pesquisadores da empresa apresentaram resultados do WeatherNext 2 e do WeatherNext Cyclones, modelos de inteligência artificial desenvolvidos para melhorar a previsão de ciclones tropicais. Segundo os resultados divulgados pelo Google, a tecnologia consegue entregar, em média, aproximadamente um dia adicional de capacidade preditiva em relação aos sistemas anteriores.
Na prática, isso significa que uma previsão feita para três dias à frente pelo WeatherNext pode apresentar uma qualidade semelhante àquela que modelos anteriores conseguiam alcançar para apenas dois dias. O Google considera que esse salto equivale, em escala, a aproximadamente uma década de progresso acumulado na meteorologia.
A novidade fica ainda mais relevante porque não se trata apenas de uma demonstração experimental. O WeatherNext já foi colocado em situações reais de previsão e teve participação no acompanhamento do furacão Melissa, uma das tempestades mais marcantes da temporada de 2025.
Agora, em vez de manter a tecnologia fechada, o Google decidiu disponibilizar os modelos para a comunidade. A empresa afirma que pretende acelerar a pesquisa, ampliar a capacidade de previsão de eventos extremos e ajudar instituições ao redor do mundo a desenvolver ferramentas próprias.
A IA tenta resolver um dos problemas mais difíceis da meteorologia
Prever o caminho de um ciclone já é uma tarefa extremamente complexa. Prever ao mesmo tempo sua trajetória, intensidade, tamanho e estrutura é ainda mais difícil.
Uma tempestade tropical não se comporta como um objeto seguindo uma linha reta. Ela é influenciada por uma enorme quantidade de fatores atmosféricos e oceânicos que mudam constantemente. Pequenas alterações nas condições iniciais podem provocar grandes diferenças na evolução do sistema alguns dias depois.
Esse fenômeno é um dos motivos pelos quais os meteorologistas trabalham com diferentes cenários e não apenas com uma única trajetória.
O WeatherNext utiliza justamente essa característica a seu favor. Em vez de entregar somente uma previsão considerada a mais provável, o sistema pode produzir um conjunto de possibilidades. Na temporada de 2025, eram gerados 50 cenários por tempestade. Na nova geração, o Google afirma que esse número chegou a 1.000 cenários.
A ideia é relativamente simples de entender.
Imagine que um ciclone esteja se deslocando pelo oceano e existam pequenas incertezas sobre sua velocidade, intensidade e direção. Uma previsão tradicional pode apresentar a trajetória mais provável, enquanto um sistema ensemble produz várias possibilidades. Se grande parte delas começar a apontar para a mesma região, os meteorologistas ganham uma indicação mais clara de onde o risco está concentrado.
Ao mesmo tempo, os cenários que apontam para caminhos diferentes ajudam a visualizar a incerteza.
Essa abordagem é particularmente importante para fenômenos extremos porque o futuro de uma tempestade pode mudar rapidamente. Uma pequena diferença nas condições atmosféricas pode fazer o ciclone se intensificar muito mais rápido ou alterar sua trajetória.
O Google DeepMind chama atenção para outro aspecto curioso do modelo. O WeatherNext consegue produzir previsões de intensidade usando dados atmosféricos com resolução relativamente mais baixa do que aquela normalmente associada a modelos tradicionais de alta resolução.
Pesquisadores envolvidos no projeto disseram que ficaram surpresos com esse comportamento. A interpretação é que a IA pode estar identificando padrões presentes nos dados que ainda não são completamente compreendidos pelos cientistas.
Esse detalhe é especialmente interessante para a ciência.
A inteligência artificial não precisa necessariamente explicar de forma intuitiva cada padrão que aprendeu para produzir uma previsão útil. Mas, quando uma IA encontra relações que não eram óbvias para pesquisadores, o resultado pode abrir uma segunda frente de investigação: descobrir o que o modelo está percebendo.
Ou seja, a IA pode não apenas prever melhor. Ela também pode ajudar cientistas a fazer novas perguntas sobre o funcionamento da atmosfera.
Melissa mostrou por que algumas horas podem fazer diferença
Um dos exemplos mais importantes para entender o impacto do WeatherNext aconteceu em 2025.
O furacão Melissa começou como um sistema relativamente fraco no Caribe, e os modelos meteorológicos apresentavam diferentes possibilidades para seu desenvolvimento. Havia incertezas importantes sobre sua trajetória e sobre o quanto a tempestade poderia se intensificar.
O WeatherNext apresentou um cenário muito mais agressivo.
Segundo o Google DeepMind, cinco dias antes do landfall, o modelo indicava com 80% de confiança que Melissa atingiria a Jamaica com intensidade de categoria 5. Três dias antes, essa confiança chegou perto de 100%.
O resultado foi particularmente relevante porque Melissa acabou realmente atingindo a Jamaica como categoria 5. O National Hurricane Center também registrou posteriormente que o modelo do Google DeepMind teve desempenho muito bom na previsão da intensidade e da rápida intensificação da tempestade.
Os dados oficiais mostram a dimensão do fenômeno. Em 27 de outubro de 2025, Melissa apresentava ventos máximos sustentados estimados em 150 nós, equivalentes a aproximadamente 278 km/h, com rajadas ainda maiores. No dia seguinte, o NHC registrava pressão central mínima de 901 mb e ventos de 150 nós.
O episódio foi importante porque a intensidade de um ciclone costuma ser uma das partes mais difíceis da previsão.
Existe uma espécie de compromisso nos modelos meteorológicos tradicionais. Sistemas globais conseguem oferecer uma visão ampla da atmosfera e são muito úteis para prever a trajetória de uma tempestade, mas podem não representar com a mesma riqueza os processos menores que influenciam sua intensificação.
Por outro lado, modelos regionais de alta resolução conseguem observar melhor fenômenos de menor escala, mas podem perder parte do contexto atmosférico global necessário para prever o caminho do ciclone.
O WeatherNext tenta combinar essas duas vantagens por meio de aprendizado de máquina.
Em vez de simplesmente simular a atmosfera da mesma maneira que os modelos numéricos tradicionais, a IA aprende padrões a partir de décadas de dados meteorológicos globais e de conjuntos especializados relacionados a ciclones tropicais.
O resultado é um sistema capaz de considerar simultaneamente trajetória e intensidade, duas características que historicamente representam desafios diferentes.
O próprio National Hurricane Center continua tratando esse tipo de tecnologia como uma ferramenta dentro de um conjunto muito maior de informações. Isso é importante porque uma previsão meteorológica não termina quando o modelo determina uma trajetória.
Ainda é necessário interpretar o impacto esperado.
Um ciclone pode mudar de intensidade, mas o que realmente importa para a população é saber quais cidades poderão enfrentar ventos destrutivos, chuvas extremas, tempestades costeiras, enchentes e deslizamentos.
É aí que entram os meteorologistas.
WeatherNext não elimina os meteorologistas, ele amplia o número de cenários
Um dos pontos mais interessantes dessa nova geração de modelos é justamente a relação entre IA e especialistas humanos.
O WeatherNext não foi desenvolvido para simplesmente substituir o trabalho de quem acompanha furacões. A proposta é oferecer aos meteorologistas mais informações para que eles consigam tomar decisões melhores.
Isso pode parecer uma diferença pequena, mas é fundamental.
Quando uma IA gera 1.000 cenários possíveis, nenhum deles deve ser interpretado automaticamente como “a previsão”. O valor está na distribuição das possibilidades.
Se 800 cenários apontam para uma determinada região e os outros 200 indicam caminhos alternativos, o meteorologista consegue avaliar a situação com uma noção mais clara da incerteza.
Se os cenários estiverem extremamente dispersos, a mensagem também é importante: ainda existe muita coisa que não pode ser determinada.
Essa característica torna os modelos ensemble particularmente úteis para eventos extremos. A atmosfera é um sistema caótico, e não existe uma previsão perfeita.
O Google já vinha trabalhando nessa direção antes do anúncio mais recente. Em 2025, a empresa disponibilizou o Weather Lab, uma plataforma que permite explorar previsões de ciclones geradas por modelos de IA e compará-las com sistemas baseados em física. O projeto também foi desenvolvido com colaboração de instituições como o National Hurricane Center, o Cooperative Institute for Research in the Atmosphere, o Met Office britânico e pesquisadores de outros países.
Essa colaboração é importante porque modelos de IA para meteorologia precisam ser avaliados contra observações reais e métodos estabelecidos.
A própria discussão científica sobre IA na previsão do tempo ainda está amadurecendo. Uma análise publicada pela Nature em março de 2026 destacou que, embora os modelos de inteligência artificial estejam apresentando resultados impressionantes em previsão de eventos extremos, testes mais rigorosos ainda são necessários antes que essas abordagens sejam adotadas de maneira ampla por agências públicas de previsão.
Esse cuidado não diminui o avanço do WeatherNext. Na verdade, ajuda a colocá-lo em perspectiva.
Uma IA pode apresentar resultados extraordinários em determinados conjuntos de dados e tempestades, mas isso não significa que ela será sempre o melhor modelo para todas as regiões, estações ou tipos de ciclone.
O próprio National Hurricane Center reforça essa cautela: um modelo ter um desempenho excelente em uma temporada ou em uma tempestade específica não garante que ele será o melhor sistema na próxima situação.
Por isso, o cenário mais provável não é uma substituição completa da meteorologia tradicional.
É uma combinação.
Modelos físicos, observações de satélites, radares, sensores oceânicos, aviões de reconhecimento e sistemas de IA podem trabalhar juntos. Cada fonte oferece uma perspectiva diferente sobre o que está acontecendo.
E quanto maior a qualidade dessas informações, maior a capacidade dos especialistas de identificar riscos antes que eles se transformem em uma emergência.
O salto de 50 para 1.000 cenários muda a escala da previsão
A capacidade de produzir 1.000 cenários também revela uma das grandes vantagens da inteligência artificial aplicada à meteorologia: velocidade.
Modelos tradicionais de previsão numérica dependem de enormes quantidades de processamento para simular o comportamento da atmosfera. Fazer isso várias vezes, com diferentes condições iniciais, pode exigir recursos computacionais significativos.
Sistemas de IA seguem uma lógica diferente. Depois de treinados, eles conseguem produzir previsões rapidamente.
O WeatherNext 2 é descrito pelo Google como um modelo de previsão global de médio prazo capaz de trabalhar com diferentes variáveis meteorológicas e produzir conjuntos de previsões. Dados disponibilizados pelo Google Earth Engine mostram que o sistema opera com previsões que podem chegar a 15 dias e utiliza múltiplos membros de ensemble.
Isso abre possibilidades que vão muito além dos furacões.
O WeatherNext 2 consegue trabalhar com variáveis como temperatura, vento, precipitação, umidade e pressão. O Google também aponta aplicações para eventos extremos, incluindo ciclones, rios atmosféricos e temperaturas extremas.
Em um mundo onde eventos climáticos extremos podem provocar impactos econômicos enormes, a capacidade de gerar previsões rapidamente pode ter valor em setores muito diferentes.
Empresas de energia podem usar previsões melhores para planejar geração renovável.
Operadores de infraestrutura podem antecipar riscos.
Equipes de emergência podem posicionar recursos.
Agricultores podem tomar decisões sobre irrigação e proteção das plantações.
Companhias aéreas e marítimas podem planejar rotas.
E governos podem receber informações adicionais antes de decidir pela retirada de populações de áreas de risco.
A diferença é que a mesma tecnologia pode produzir informações em diferentes escalas.
Uma previsão global ajuda a entender o comportamento de grandes sistemas atmosféricos. Ao mesmo tempo, conjuntos de cenários podem ser utilizados para analisar a evolução provável de um ciclone específico.
Essa combinação é uma das razões pelas quais o Google está tratando o WeatherNext como parte de uma estratégia maior de IA aplicada ao planeta.
A empresa também utiliza inteligência artificial em sistemas de previsão de enchentes. Atualmente, o Flood Hub cobre áreas de risco em mais de 150 países e alcança cerca de 2 bilhões de pessoas, segundo o Google. A empresa afirma ainda ter disponibilizado abertamente conjuntos de dados e estruturas relacionadas à previsão de enchentes.
A lógica é semelhante: quanto mais cedo um risco puder ser identificado, maior tende a ser a margem para uma resposta.
O código aberto pode ser tão importante quanto a própria previsão
Talvez a parte mais estratégica do anúncio não esteja apenas no desempenho do WeatherNext.
Está no fato de o Google estar abrindo a tecnologia.
O Google DeepMind anunciou a disponibilização aberta do WeatherNext 2 e do WeatherNext Cyclones usados durante a temporada de furacões. A expectativa é que pesquisadores e instituições possam estudar os modelos, testar novos métodos e descobrir maneiras de melhorar a previsão de eventos extremos.
Isso pode acelerar uma área que ainda está em formação.
Quando um modelo permanece fechado, pesquisadores externos dependem de resultados publicados ou de interfaces limitadas para avaliar seu funcionamento. Com acesso mais amplo, a comunidade científica pode investigar o comportamento do sistema em diferentes regiões e condições.
Também existe uma oportunidade científica particularmente interessante.
Como os próprios pesquisadores admitem que ainda não entendem completamente por que o WeatherNext consegue extrair determinados sinais de dados de resolução relativamente baixa, pesquisadores externos poderão tentar descobrir quais padrões estão sendo utilizados pela IA.
Essa investigação pode produzir algo maior do que uma simples melhoria no algoritmo.
Pode ajudar meteorologistas e cientistas atmosféricos a compreender melhor alguns mecanismos associados à formação e intensificação dos ciclones.
O código aberto também pode permitir que equipes de países com menos recursos computacionais explorem novas soluções. Nem todos os serviços meteorológicos do mundo possuem acesso às mesmas supercomputadoras ou à mesma infraestrutura dos grandes centros internacionais.
Uma tecnologia de IA capaz de acelerar previsões pode, portanto, ter um efeito democratizador.
Mas existe uma ressalva importante: abrir um modelo não significa automaticamente que qualquer pessoa poderá utilizá-lo como um sistema operacional de alertas meteorológicos pronto para substituir uma agência oficial.
O WeatherNext ainda precisa ser avaliado de acordo com a região, o tipo de fenômeno e as necessidades de cada aplicação. O próprio Google classifica parte dos dados do WeatherNext como experimentais e alerta que eles não devem ser tratados automaticamente como previsões oficiais ou validadas para todos os usos.
Isso reforça a ideia de que o código aberto é, antes de tudo, um convite à pesquisa.
Um dia extra pode parecer pouco, mas pode mudar tudo
Existe algo quase contraintuitivo nessa história.
Um dia parece pouco quando comparado aos 15 dias de previsão que modelos como o WeatherNext podem produzir. Mas, para um ciclone tropical, um dia de previsão confiável pode ser extremamente valioso.
É nesse intervalo que autoridades conseguem tomar decisões que seriam muito mais difíceis de executar quando uma tempestade já está próxima.
Evacuar milhares ou milhões de pessoas não é algo que acontece em minutos. Estradas precisam ser organizadas, abrigos preparados, hospitais colocados em alerta e equipes deslocadas.
Também existe o desafio de evitar alarmes prematuros.
Uma previsão muito incerta pode provocar evacuações desnecessárias. Uma previsão que subestime o risco pode deixar comunidades sem tempo suficiente para reagir.
Por isso, melhorar a precisão não significa apenas prever melhor a trajetória de uma tempestade. Significa aumentar a confiança das decisões tomadas ao redor dela.
O caso de Melissa mostra por que essa diferença é tão importante.
O National Hurricane Center registrou que a tempestade passou por um período pronunciado de rápida intensificação enquanto permanecia ao sul da Jamaica, em condições oceânicas muito favoráveis e com baixo cisalhamento vertical do vento. O relatório final também destacou o bom desempenho do modelo do Google DeepMind na previsão da intensidade e da rápida intensificação.
Esse tipo de resultado não significa que todos os futuros ciclones serão previstos perfeitamente.
Significa algo mais interessante: a inteligência artificial parece estar conseguindo acrescentar uma camada nova de informação a um dos sistemas de previsão mais importantes para a segurança pública.
E agora a comunidade científica poderá colocar essa capacidade à prova em uma escala muito maior.
O verdadeiro teste do WeatherNext acontecerá não apenas nas tempestades que ele acertar, mas também naquelas em que errar. Será necessário observar como o sistema se comporta em diferentes oceanos, em diferentes épocas do ano e diante de fenômenos que não se parecem com os dados mais comuns de seu treinamento.
Se o desempenho continuar consistente, o impacto poderá ultrapassar o mundo dos furacões.
A IA meteorológica está deixando de ser apenas uma demonstração de laboratório e começando a se transformar em uma ferramenta científica e operacional.
No caso do WeatherNext, o objetivo não é fazer a inteligência artificial “adivinhar” o clima.
É oferecer aos seres humanos uma visão mais ampla das possibilidades futuras.
E, quando se trata de um ciclone tropical, enxergar essas possibilidades um pouco antes pode ser exatamente o que falta para transformar um alerta em uma resposta capaz de salvar vidas.
