Siga o Olhar Digital no Google Discover
O Google DeepMind apresentou o WeatherNext 2, um novo modelo de inteligência artificial que, segundo a empresa, supera todos os sistemas existentes em velocidade e precisão.
A tecnologia também oferece recursos adicionais voltados especialmente para operadores do setor de energia, ampliando seu potencial de uso em áreas cada vez mais dependentes de previsões climáticas rápidas e confiáveis.
Previsões mais rápidas, detalhadas e com maior alcance
- O WeatherNext 2 é uma evolução dos modelos anteriores do DeepMind, que já haviam demonstrado a capacidade da IA de superar métodos tradicionais baseados em supercomputadores.
- A nova versão entrega previsões mais precisas de temperatura, pressão e vento com até duas semanas de antecedência e melhora significativamente o rastreamento de tempestades tropicais.
- Segundo testes realizados pela empresa, o modelo prevê a trajetória de furacões com a mesma precisão que o sistema anterior entregava apenas dois dias antes do evento — agora com três dias de antecedência.
- Para setores como energia, uma das grandes novidades são as previsões horárias, substituindo janelas de 12 horas. Além disso, o WeatherNext 2 gera resultados até oito vezes mais rápido que seu antecessor.
“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.”
Leia mais:
- Como as IAs “pensam” e por que devemos monitorá-las
- Google lança IA poderosa que prevê efeitos de mutações genéticas
- ChatGPT já recebe mais de 2,5 bilhões de comandos por dia
Competição crescente e desafios com eventos extremos
O avanço do DeepMind ocorre em um cenário de intensa corrida tecnológica. Instituições como o Centro Europeu de Previsões Meteorológicas, empresas como AccuWeather e Weather Co, e gigantes como Nvidia, Microsoft e Huawei já disputam espaço com modelos baseados em IA.
Essas ferramentas, que identificam padrões em vastos conjuntos de dados em vez de simular a física atmosférica, começam a substituir previsões tradicionais em diversos mercados.
Apesar dos progressos, os pesquisadores reconhecem limitações: o modelo ainda enfrenta dificuldades para prever eventos atípicos de chuva e neve, reflexo da escassez de dados de treinamento. “Estamos trabalhando para melhorar essa questão”, disse Ferran Alet, cientista do DeepMind.
Mesmo assim, o WeatherNext 2 já demonstra vantagens claras em extremos de temperatura, vento e precipitação — áreas consideradas cruciais em tempos de mudanças climáticas aceleradas.
Tags: