No início de junho de 2025, o Google introduziu seu modelo “Weather Lab”, uma ferramenta orientada a IA projetada para prever as faixas e a intensidade dos ciclones tropicais. Este modelo faz parte do conjunto mais amplo do Google DeepMind de modelos de pesquisa climática baseados em IA. O Google anunciou que o modelo de laboratório meteorológico mostrou resultados promissores em testes de pré-lançamento, alegando que sua precisão era comparável e muitas vezes excedida, a dos métodos baseados em física existentes.
De acordo com a declaração inicial do Google, o modelo do Weather Lab foi treinado usando um conjunto de dados abrangente que reconstruiu padrões climáticos históricos e um banco de dados especializado contendo informações detalhadas sobre faixas, intensidade e tamanho do furacão. Para avaliar ainda mais seu desempenho, o Google fez uma parceria com o National Hurricane Center (NHC), uma divisão do Serviço Nacional Oceânico e Atmosférico (NOAA), para avaliar as capacidades do modelo nas bacias do Atlântico e do Pacífico Leste.
A temporada de furacões do Atlântico permaneceu relativamente calma até algumas semanas antes do relatório, com a atividade geral abaixo dos níveis normais. Isso significava que havia oportunidades limitadas para testar rigorosamente o novo modelo em cenários do mundo real. No entanto, aproximadamente 10 dias antes da publicação do artigo, o furacão Erin passou por uma rápida intensificação no Oceano Atlântico aberto, se transformando em um furacão de categoria 5 à medida que se movia para o oeste.
De uma perspectiva de previsão, ficou evidente que Erin não afetaria diretamente os Estados Unidos. No entanto, os meteorologistas monitoraram de perto a trajetória e a intensidade da tempestade. Dado o tamanho grande de Erin, houve preocupações sobre sua proximidade com a costa leste dos Estados Unidos, com possíveis impactos como erosão significativa na praia e seus efeitos nas Bermudas.
Durante uma tempestade ativa, pode ser um desafio determinar qual modelo de previsão fornece as previsões mais precisas. Embora o desempenho em tempo real possa oferecer informações, as incertezas persistem até que uma análise completa pós-tempestade seja realizada. Essa análise envolve avaliar a precisão de cada modelo na previsão do caminho e da intensidade da tempestade.
Com Erin se dissipando, essa avaliação se tornou possível. No que foi descrito como o teste mais significativo da temporada do Atlântico até o momento, o laboratório meteorológico do Google oferece o melhor desempenho para previsões de até 72 horas (três dias). Essas descobertas foram baseadas em dados compilados por James Franklin, ex -chefe da unidade especializada em furacões do National Hurricane Center.
A análise de Franklin comparou o desempenho do modelo do Google (GDMI) com a previsão oficial do National Hurricane Center, bem como vários modelos baseados em física, incluindo modelos globais de previsão e modelos específicos de furacões. Modelos baseados em física, também conhecidos como modelos numéricos de previsão do tempo, dependem de equações complexas e condições atmosféricas iniciais para simular mudanças atmosféricas ao longo do tempo. Esses modelos requerem poder computacional substancial e historicamente têm sido uma pedra angular da previsão meteorológica.
Nos últimos 25 anos, os avanços no hardware de computador e nas melhorias na coleta e entrada de dados atmosféricos em tempo real levaram a reduções significativas nos erros de previsão de faixas de furacões. Os dados indicaram que o modelo do Google não apenas superou a previsão oficial do National Hurricane Center, mas também superou vários modelos baseados em física.
Em termos de previsões de intensidade, o modelo do Google também demonstrou desempenho superior em comparação com outros modelos nas primeiras 72 horas. Sua precisão na marca de 48 horas foi particularmente digna de nota. Os modelos TVCN e IVCN, que representam modelos de “consenso” para faixa e intensidade, são monitorados de perto pelos meteorologistas no centro de furacões. Esses modelos, que normalmente não são divulgados, fornecem uma média de correção de polarização de vários modelos de melhor desempenho. O fato de o modelo do Google ter superado esses modelos de consenso foi considerado significativo.
A correção de viés envolve o ajuste para vieses de previsão conhecidos em diferentes modelos. Do ponto de vista da previsão, o intervalo de três a cinco dias é crucial para tomar decisões informadas sobre evacuações e outros preparativos para furacões. Embora as melhorias no desempenho do modelo de IA sejam desejadas para esse intervalo de previsão mais longo, a conclusão geral foi de que a modelagem climática da IA está fazendo um progresso substancial.
Os modelos climáticos de IA estão rapidamente se tornando ferramentas essenciais para prever eventos de alto impacto, como furacões. Embora o modelo do Google possa não ser o melhor desempenho para todas as tempestades, provavelmente será considerado maior consideração em previsões futuras. O rápido desenvolvimento de ferramentas como o laboratório climático do Google e outros modelos climáticos de IA demonstrou habilidade equivalente aos melhores modelos baseados em física em um período relativamente curto. Melhorias contínuas nesses modelos poderiam potencialmente estabelecê -los como o padrão -ouro para certos tipos de previsão do tempo.
Eric Berger, editor de espaço sênior da ARS Technica e um meteorologista certificado, enfatizou a crescente importância da IA na previsão do tempo, observando que esses modelos estão rapidamente se tornando um componente vital do kit de ferramentas do meteorologista. Ele alertou que nenhum modelo único será o melhor para todas as tempestades, mas sugeriu que modelos de IA como o Laboratório Meteorológico do Google terão mais peso nas futuras decisões de previsão.
Berger também destacou o rápido progresso dos modelos climáticos da IA, afirmando que eles já alcançaram níveis de habilidade comparáveis aos melhores modelos baseados em física em um tempo relativamente curto. Ele concluiu que, se esses modelos continuarem melhorando, eles poderiam se tornar o padrão -ouro para tipos específicos de previsão do tempo.
Source: O laboratório meteorológico do Google supera as previsões de furacões até 72 horas
