Google DeepMind publicou o WeatherNext Cyclones na Nature em 6 de agosto, relatando mais de um dia inteiro de antecedência adicional em relação às principais previsões operacionais para trajetória, intensidade e estrutura dos ventos de ciclones. As previsões de três dias agora igualam a precisão que modelos anteriores alcançavam em dois dias.
As margens de erro
O erro de trajetória na janela de três dias é de aproximadamente 100 km; o erro de intensidade fica em torno de 11 nós. O modelo foi avaliado em ciclones de 2023-2024 — algumas coberturas secundárias dizem 2023-2025, o que a própria publicação da DeepMind não sustenta.
Com o que ele foi treinado
Quase 20 terabytes de dados atmosféricos globais, além do IBTrACS, o arquivo histórico de melhores trajetórias que cobre quase 5.000 tempestades. Ele foi desenvolvido com o US National Hurricane Center, o Cooperative Institute for Research in the Atmosphere e o UK Met Office. O WeatherNext 2 e o WeatherNext Cyclones estão no GitHub com código e pesos do modelo, ao lado de um WeatherNext 2-mini.
Onde o ganho está — e onde não está
O avanço principal é na trajetória. A previsão de intensidade — se uma tempestade se fortalece rapidamente antes de tocar o solo — continua sendo o problema mais difícil e aquele que mais frequentemente determina os danos. Um erro de 11 nós representa progresso, não um caso resolvido.
Não é substituto
Ele opera ao lado dos meteorologistas do National Hurricane Center, em vez de substituir os alertas oficiais. A afirmação da DeepMind de que o resultado representa uma década de progresso meteorológico é uma analogia da própria empresa, não uma métrica no artigo — que é revisado por pares, ao contrário da maioria das alegações de modelos que chegam a esse nível de cobertura. A divulgação do código e dos pesos junto com o modelo significa que a comparação pode ser refeita pelas agências que teriam de confiar nele, e é isso que decide se ele será usado operacionalmente.