O Google aposta que observações ao vivo e IA podem reduzir lacunas persistentes na previsão de chuva e neve, especialmente em regiões com poucos equipamentos em solo. Mas a própria implementação da empresa reconhece que previsões computacionais mais rápidas ainda precisam coexistir com os modelos baseados em física nos quais os meteorologistas confiam para emitir alertas.

O Google apresentou o WeatherNext 3 como a versão mais recente de seu sistema de previsão por IA, afirmando que ele pode gerar uma previsão global a cada hora a partir de observações recentes de satélite, em vez de depender exclusivamente de dados mais antigos de modelos. A empresa diz que essa mudança oferece uma imagem cinco vezes mais nítida do que seu modelo anterior, com algumas previsões de temperatura e umidade detalhadas até cinco quilómetros.¹

A principal promessa é a precipitação: tempestades de deslocamento rápido são notoriamente difíceis de determinar com precisão, e o Google afirma que previsões feitas com pelo menos um dia de antecedência podem ser até 50% mais precisas. Os ganhos potenciais são maiores fora dos EUA e da Europa, onde menos pluviômetros deixam lacunas maiores nas redes convencionais de observação. “Conseguimos aproveitar conjuntos de dados observacionais mais recentes e mais ricos”, disse Samier Merchant, engenheiro do Google Research.¹

O Google DeepMind apresentou o lançamento de forma mais ampla como “um grande avanço” na previsão global, afirmando que o modelo aprende diretamente com observações do mundo real, em tempo real, para produzir previsões mais localizadas com maior rapidez.Demis Hassabis (demishassabis)² O chefe da DeepMind, Demis Hassabis, reforçou essa mensagem em uma republicação.²

O sistema agora está sendo incorporado à Busca, ao Maps e ao Gemini, enquanto o Google também criou previsões para operadores de energia renovável, incluindo estimativas de velocidade do vento na altura das turbinas. Ferran Alet, cientista de pesquisa do Google DeepMind, relacionou esse trabalho à crescente demanda por energia, argumentando que tornar as renováveis “uma oportunidade muito atraente é muito importante para nós”.¹

Ainda assim, o WeatherNext 3 não está sendo apresentado como substituto da meteorologia tradicional. Ele é treinado em parte com modelos baseados em física, e as agências meteorológicas ainda comparam múltiplas previsões antes de emitir alertas públicos — um lembrete de que resultados de IA mais precisos só são úteis se melhorarem as decisões quando o tempo se torna perigoso.¹