Em outubro de 2025, uma tempestade começou a se formar sobre o Mar do Caribe. Os modelos meteorológicos existentes divergiam sobre seu caminho: o sistema permaneceria fraco e atingiria o Haiti, ou ganharia força e seguiria em direção à Jamaica? O modelo de inteligência artificial chamado WeatherNext, desenvolvido pelo DeepMind em parceria com o Google Research, apostou na segunda hipótese. Cinco dias antes do impacto, a ferramenta previu, com 80% de confiança, que a tempestade chegaria à Jamaica como um furacão de categoria 5.
O Furacão Melissa causou destruição generalizada no país caribenho, provocando enchentes e deslizamentos de terra. Mesmo assim, o algoritmo permitiu que serviços de previsão emitissem alertas antecipados, dando mais tempo para que comunidades se preparassem.
Um estudo publicado nesta quinta-feira na revista Nature demonstra que o modelo WeatherNext é capaz de antecipar ciclones com precisão sem precedentes. Em média, ele oferece aos meteorologistas cerca de um dia adicional de antecedência em relação aos sistemas tradicionais — ou seja, suas previsões para três dias à frente apresentam a mesma confiabilidade daquelas feitas por outras ferramentas com dois dias. Na prática, essa diferença pode ser determinante para salvar vidas.
"Mesmo algumas horas podem fazer diferença", afirma Mike Brennan, diretor do Centro Nacional de Furacões dos Estados Unidos. Organizar evacuações, posicionar suprimentos e deslocar recursos são ações que dependem fortemente do tempo disponível, e uma decisão equivocada pode trazer consequências graves. "O tempo é realmente precioso quando se trata desse tipo de decisão, então a capacidade de estender a precisão das previsões em até um dia além do que conseguíamos antes é extremamente valiosa", destaca.
Avançar as previsões em 24 horas costumava exigir cerca de uma década de trabalho, segundo os pesquisadores responsáveis pelo projeto.
Modelar eventos extremos representa um desafio particular para sistemas de inteligência artificial. O aprendizado de máquina depende de grandes volumes de dados para fazer previsões, mas fenômenos raros, por definição, geram menos registros. "Não temos tantos dados sobre ciclones, mas temos muitos dados meteorológicos em geral", explica Ferran Alet, cientista pesquisador do DeepMind e um dos autores principais do estudo. "O que fizemos foi treinar um modelo para ser bom tanto em previsão do tempo quanto em ciclones."
Furacões são especialmente difíceis de prever porque envolvem múltiplas escalas espaciais, conforme aponta Kate Musgrave, líder do grupo de ciclones tropicais do Instituto Cooperativo de Pesquisa na Atmosfera e também autora do artigo. Determinar a trajetória de uma tempestade exige informações de alcance global, como a posição de frentes frias e correntes de vento predominantes. Já prever a intensidade demanda dados em escala muito menor, voltados às condições atmosféricas e oceânicas locais.
"Isso é algo que simplesmente não conseguimos obter a partir dos modelos globais", observa Musgrave. Modelos anteriores de inteligência artificial já se saíam bem ao prever trajetórias, mas "em intensidade, eles fracassavam completamente".
A importância de acertar os dois aspectos é fundamental: uma mudança na intensidade pode transformar uma tempestade relativamente fraca em um grande furacão. Em alguns casos — como o do Furacão Melissa — o sistema pode se intensificar rapidamente, tornando-se uma emergência da noite para o dia. Melissa marcou a primeira vez em que o Centro Nacional de Furacões conseguiu prever um furacão de categoria 5 quando a tempestade ainda estava na categoria 1.
Antes de ser utilizado em previsões ao vivo, o WeatherNext foi testado com dados retrospectivos. "Os resultados foram tão bons que ficamos céticos de que veríamos o mesmo desempenho em tempo real", conta Musgrave. Porém, quando meteorologistas passaram a incorporar o modelo em suas operações, o desempenho se manteve. "Acho que todos ficaram surpresos com o quão bem ele se saiu", acrescenta.
Até mesmo os pesquisadores do DeepMind que desenvolveram o sistema não compreendem totalmente como a ferramenta gera previsões tão precisas, já que ela utiliza dados atmosféricos de resolução muito mais baixa do que a exigida pelos modelos tradicionais para estimar a intensidade de tempestades. "Quando contamos à comunidade que nosso modelo usava apenas resolução relativamente baixa, todos ficaram chocados, porque isso significa que as entradas de menor resolução capturam mais sinais sobre o que vai acontecer do que se acreditava", relata Alet.
O algoritmo deve estar identificando algum padrão nos dados de menor resolução que permite antecipar a intensidade da tempestade, mas os pesquisadores ainda não sabem exatamente o quê. "É uma caixa-preta no fim das contas, mas isso dá aos físicos um sinal de que algo está acontecendo que não havia sido compreendido antes", afirma Alet.
O modelo não apresenta uma única previsão: ele gera um conjunto de cenários possíveis para uma tempestade em desenvolvimento. Isso ajuda a capturar o chamado "efeito borboleta", em que um pequeno desvio em uma tendência pode gerar mudanças muito maiores no futuro. Antes, o sistema criava 50 cenários por tempestade; agora, produz mil.
"Isso é algo que, com nosso poder computacional, simplesmente não conseguimos fazer com os modelos numéricos existentes", observa Musgrave.
Brennan avalia que a ferramenta do DeepMind é um excelente recurso adicional para os meteorologistas, mas ressalta que ela é apenas uma entre várias. "Não há garantia de que um modelo, porque foi bem no ano passado ou em uma determinada tempestade, vá necessariamente ser o melhor para a próxima temporada ou o próximo ciclone", adverte. O elemento humano, segundo ele, continua sendo indispensável. "Um furacão não é apenas uma trajetória ou uma previsão de intensidade. É preciso que especialistas traduzam isso em quais serão os impactos — e são os impactos que matam pessoas."
O DeepMind também anunciou que tornará abertos os modelos do WeatherNext utilizados durante a temporada de furacões, permitindo que pesquisadores os utilizem e aprimorem. Alet demonstra otimismo quanto ao potencial dessa abertura para revelar novos entendimentos sobre o funcionamento dos ciclones. "Estou muito empolgado com a possibilidade de descobertas científicas. Acredito que a inteligência artificial está nos dando novas ferramentas para investigar as leis do universo."
Fonte: Feed: All Latest
