WeatherNext, da DeepMind, prevê furacões antes dos modelos de previsão existentes

O Google DeepMind anunciou em agosto de 2026 o WeatherNext, um modelo de IA que prevê furacões antes e com mais precisão do que qualquer sistema de previsão do tempo existente, e ainda usa dados de resolução mais baixa.

O que o WeatherNext faz

O WeatherNext resolve duas tarefas ao mesmo tempo: determina a trajetória do furacão (para onde a tempestade se move) e sua intensidade (quão forte ela é). Os modelos numéricos tradicionais costumam se sair melhor em um parâmetro do que no outro. O WeatherNext prevê os dois em conjunto e, além disso, supera os sistemas existentes no tempo de antecedência do alerta.

• Desenvolvedor: Google DeepMind
• O modelo será publicado em acesso aberto (open source)
• Prevê a trajetória e a intensidade do furacão simultaneamente
• Funciona com dados de resolução reduzida
• Emite o alerta antes dos métodos tradicionais

Cada hora adicional de previsão tem impacto direto na segurança: dá tempo para evacuar a população, mobilizar equipes de resgate e preparar a infraestrutura crítica antes da chegada da tempestade. Quanto mais cedo e com mais precisão se sabe onde e com que força o furacão vai atingir, mais eficientemente os serviços meteorológicos e as autoridades conseguem distribuir recursos.

Por que nem os próprios pesquisadores entendem como o modelo funciona

A principal particularidade do WeatherNext, e também seu maior mistério, é que o mecanismo de funcionamento do modelo não é compreendido nem pelos desenvolvedores. Segundo a Wired, a equipe do DeepMind não consegue explicar por completo como o modelo extrai uma previsão confiável de dados de resolução reduzida.

"Os pesquisadores ainda não entendem muito bem como exatamente o modelo faz isso", diz a reportagem da

Wired, citando o DeepMind.

É o problema clássico das redes neurais: a opacidade da arquitetura, a chamada "caixa-preta". Para os serviços meteorológicos e os órgãos de resgate, isso tem consequências práticas, porque decisões de evacuar regiões inteiras são tomadas com base em previsões. Se o modelo erra e a causa do erro é opaca, corrigir seu comportamento é extremamente difícil. O DeepMind afirma que esclarecer esse mecanismo é objeto de pesquisas em andamento.

Por que a baixa resolução dos dados é um avanço

Na meteorologia clássica, a precisão da previsão depende diretamente da densidade e do detalhamento das observações: quanto mais dados e melhor a qualidade, melhor a previsão. O WeatherNext inverte essa lógica: o modelo alcança alta precisão com dados de entrada que os sistemas tradicionais considerariam insuficientes.

O impacto prático é especialmente grande para as regiões tropicais e os pequenos Estados insulares. É justamente ali que os furacões são mais destrutivos e que a infraestrutura meteorológica costuma ser defasada ou incompleta, com poucas estações em solo, lacunas nos dados e falta de equipamentos modernos. Um modelo capaz de dar uma previsão antecipada e precisa em condições de escassez de informação muda de forma fundamental o que os sistemas de alerta podem oferecer a milhões de pessoas.

O DeepMind planeja publicar o WeatherNext como open source, o que permitirá que serviços meteorológicos nacionais e pesquisadores independentes do mundo todo adaptem o modelo, verifiquem seus resultados e o aprimorem com dados regionais próprios.

O que isso significa

Se o WeatherNext passar por verificação independente, a previsão de furacões com IA pode entrar no conjunto de ferramentas padrão dos serviços meteorológicos em todo o mundo. O código aberto deve acelerar essa transição: as regiões mais vulneráveis a furacões terão acesso a um modelo de ponta sem precisar desenvolvê-lo por conta própria.

Perguntas frequentes

Quando o WeatherNext será lançado em acesso aberto?

O DeepMind anunciou a intenção de publicar o WeatherNext como open source, mas a reportagem da Wired não informa prazos específicos.

O que significa trabalhar "com dados de resolução mais baixa"?

Os modelos de previsão tradicionais exigem uma rede densa de observações meteorológicas com alto nível de detalhe. O WeatherNext mostra alta precisão com dados de entrada mais "esparsos", o que é essencial para países e regiões com infraestrutura de monitoramento do tempo pouco desenvolvida.