A nova IA da Google prevê a chuva com 50% mais precisão — e já está ativa no Maps

A previsão meteorológica no seu telemóvel tornou-se subitamente muito mais fiável sem que tenha feito nada. A Google DeepMind substituiu o modelo por detrás dos seus cartões meteorológicos no Search, Maps, Gemini e na API da Maps Platform pelo WeatherNext 3 — um sistema que produz previsões a cada hora com resolução de 5 quilómetros, em comparação com intervalos de seis horas numa grelha de 25 quilómetros do seu antecessor.

A diferença prática é mais evidente na chuva. Para planear um dia ou mais à frente, as previsões de precipitação do WeatherNext 3 são até 50% mais precisas do que as do modelo anterior. Face ao IMERG, o benchmark por satélite usado pelos investigadores climáticos, a melhoria atinge os 60%. Isto traduz-se na diferença entre uma previsão que diz ‘possíveis aguaceiros’ e uma que lhe indica que deve esperar chuva entre as 14h e as 17h no seu bairro específico.

O WeatherNext 3 supera também os sistemas tradicionais de previsão meteorológica numérica operados pelo Serviço Meteorológico Nacional dos EUA e pelas agências meteorológicas europeias, de acordo com os benchmarks da própria Google. O modelo vai além da chuva: inclui velocidades do vento a 100 metros — a altura de uma turbina eólica — cobertura de nuvens e níveis de radiação solar, tornando-o útil para operadores de energia e planeadores agrícolas, além dos utilizadores comuns.

A Google não é a única empresa a desenvolver modelos meteorológicos baseados em IA. A Microsoft, a Nvidia e instituições de investigação europeias publicaram abordagens concorrentes nos últimos dois anos. O anúncio da Google não nomeou rivais específicos, e as agências meteorológicas independentes ainda não publicaram validação externa dos ganhos de precisão reivindicados pelo WeatherNext 3 — os números provêm dos testes comparativos da própria Google.

A principal alteração arquitetónica é a forma como o modelo recebe os dados. Os sistemas tradicionais de previsão meteorológica recolhem observações durante um período de seis horas antes de executarem os seus cálculos. O WeatherNext 3 ingere imagens de satélite geoestacionário em direto a cada hora, contornando esse atraso. Também treina com leituras diretas de redes de estações meteorológicas de superfície, o que o ajuda a refletir o terreno local — efeitos costeiros, passos de montanha e assinaturas térmicas urbanas que uma grelha mais grosseira suavizaria.

Existem limites reais ao que a resolução de 5 quilómetros significa na prática. O modelo não consegue distinguir a diferença entre a chuva a cair num lado da sua rua antes do outro, e não pode anular a imprevisibilidade fundamental dos sistemas meteorológicos convectivos. O próprio blogue da Google remete os utilizadores para as agências meteorológicas locais para avisos de tempo severo e recomendações de segurança pública.

Versões pré-treinadas do WeatherNext 3 estão disponíveis para investigadores através do Google Cloud e do Google Earth Engine desde 3 de setembro de 2026, data em que o modelo foi anunciado. Não foi anunciada uma implementação regional faseada — a atualização está ativa globalmente para todos os utilizadores dos produtos meteorológicos de consumo da Google.

Etiquetas: inteligência artificial, Google, Aprendizagem Automática, DeepMind, Google Maps, previsão do tempo