A previsão do tempo entrou numa nova fase. Depois de anos de investigação em modelos baseados em inteligência artificial, a Google está a colocar o seu know-how diretamente nas mãos dos utilizadores e das empresas. O novo modelo WeatherNext 2 promete previsões mais rápidas, mais detalhadas e com uma granularidade horária que pode mudar decisões no dia a dia desde planear uma obra a equilibrar uma rede elétrica.
Neste artigo encontras:
O que é o WeatherNext 2 e porque importa
WeatherNext 2 é a mais recente geração de modelos de previsão do tempo da Google. Em vez de simular, ponto a ponto, as equações físicas que descrevem a atmosfera (um processo pesado e demorado), este sistema aprende padrões a partir de grandes volumes de dados históricos e observacionais. O resultado são previsões que chegam mais depressa, mantêm alta fidelidade e escalam sem exigir um supercomputador dedicado.
A segunda iteração do modelo dá um salto em velocidade face à geração anterior a Google aponta um avanço de oito vezes e melhora a exatidão em variáveis essenciais como temperatura, vento e precipitação. O horizonte de previsão vai até 15 dias, com atualizações hora a hora, o que abre espaço a decisões mais finas no curto prazo sem perder de vista a tendência.
O truque por trás da velocidade: redes generativas funcionais
Uma das chaves do desempenho do WeatherNext 2 é uma estratégia chamada Functional Generative Network (FGN). Em muitos modelos, para obter uma previsão probabilística (vários cenários possíveis), é preciso correr o sistema repetidas vezes. Com FGN, o “ruído” controlado é incorporado diretamente no processo de geração, permitindo criar múltiplos cenários numa única passagem.
Esta abordagem tem duas vantagens: Reduz drasticamente o tempo de execução em menos de um minuto, usando um chip TPU da Google, é possível produzir previsões que, pelos métodos tradicionais, poderiam exigir horas de computação. Entrega ensembles ricos (conjuntos de cenários), cruciais para estimar incerteza e avaliar riscos, sem a sobrecarga computacional típica.
Mais do que um experimento: integração nos produtos da Google
A grande diferença está na disponibilização. O WeatherNext 2 deixa o laboratório e passa a sustentar previsões no Google Maps, no motor de pesquisa, no Gemini e na app Pixel Weather. Para o utilizador comum, isto significa: Previsões horárias mais confiáveis no smartphone. Informações meteorológicas contextualizadas quando pesquisa atividades, destinos ou eventos. Alertas e insights mais úteis, apresentados no momento certo.
Para as empresas, a Google está a abrir um programa de early access para modelação personalizada. Além disso, os dados do WeatherNext 2 entram no Google Earth Engine (para análise geoespacial) e no BigQuery (para análise de dados em larga escala), facilitando pipelines de dados meteorológicos integrados com outras fontes internas.0
Casos de uso que ganham com previsões horárias
Ao disponibilizar passos de uma hora com maior precisão, vários setores podem ajustar operações com minutos de antecedência em vez de horas de atraso: Energia: planeamento de produção renovável, ajuste de cargas e redução de custos de balanço na rede. Agricultura: janelas ideais para rega, aplicação de fertilizantes e proteção contra geada. Transportes e logística: rotas mais seguras, replaneamento de entregas face a chuva ou vento forte e gestão de slots aeroportuários. Construção e eventos: decisões de paragem/arranque, segurança em obra e mitigação de riscos para espetáculos ao ar livre. Retalho: previsão de afluência condicionada pela meteorologia e alinhamento de stocks.
Em todos estes cenários, a previsão probabilística (vários futuros possíveis, com diferentes probabilidades) é tão valiosa quanto um único valor “exato”, porque permite escolher a melhor ação perante a incerteza.
IA vs. modelos físicos: complemento, não substituição
Os modelos físicos clássicos continuam a ser fundamentais, sobretudo para compreender fenómenos extremos e comportamentos raros da atmosfera. A diferença é que, com IA, é possível: Chegar a um primeiro resultado em segundos e atualizá-lo com frequência. Explorar muitos cenários rapidamente para suportar decisões táticas. Hibridizar abordagens (dados + física) para o melhor dos dois mundos.
A tendência do setor aponta para sistemas híbridos, nos quais a IA acelera e refina partes do processo, enquanto as equações físicas asseguram coerência e interpretabilidade.
Fonte: Theverge
Sem Comentários! Seja o Primeiro.