Pesquisadores das equipes do Google DeepMind e do Google Research treinaram o modelo de previsão meteorológica WeatherNext, baseado em inteligência artificial, com o objetivo de aprimorar os alertas sobre ciclones tropicais. O projeto recebeu colaboração do Centro Nacional de Furacões dos Estados Unidos, do Instituto Cooperativo de Pesquisa Atmosférica, do Serviço Meteorológico Britânico e de outras agências meteorológicas espalhadas pelo mundo.
Tanto o código-fonte quanto os pesos do modelo foram disponibilizados de forma aberta na plataforma GitHub, permitindo que outros pesquisadores possam aproveitar e contribuir com o trabalho. Um estudo científico detalhado sobre o WeatherNext foi publicado na revista Nature, enquanto uma versão mais acessível ao público geral foi divulgada em um blog oficial do Google.
Os ciclones tropicais, conhecidos como furacões ou tufões dependendo da região do planeta, representam um desafio particular para os meteorologistas. As correntes atmosféricas globais que determinam o caminho da tempestade costumam ser melhor analisadas por modelos amplos e de resolução mais baixa, enquanto a intensidade do fenômeno depende de processos termodinâmicos locais que exigem modelos especializados de alta resolução.
Para superar essa limitação, o WeatherNext foi treinado com cerca de 20 terabytes de dados atmosféricos globais e informações históricas coletadas pelo Arquivo Internacional de Melhores Registros para a Administração Climática. Com isso, a ferramenta consegue prever tanto a rota quanto a força do ciclone a partir de um único modelo integrado.
Segundo os próprios pesquisadores, é possível gerar uma previsão completa de quinze dias em menos de um minuto utilizando uma unidade de processamento tensorial, o que permite aos meteorologistas avaliarem rapidamente a distribuição de probabilidades de riscos extremos potencialmente devastadores.
A gigante da tecnologia havia apresentado a segunda geração do WeatherNext no ano passado. Além dos ciclones, as equipes de pesquisa da empresa também atuam no desenvolvimento de soluções de inteligência artificial voltadas à previsão de enchentes súbitas.
