07/09/2026

WeatherNext 3: a IA da Google quer prever a chuva antes do telemóvel falhar

Voltar ao blog

A previsão do tempo costuma ser julgada no momento mais banal: olhas pela janela, olhas para o telemóvel, e decides se levas casaco. Mas a 3 de setembro de 2026, a Google tentou transformar essa rotina num problema de infraestrutura global. O novo WeatherNext 3, desenvolvido pela Google DeepMind e pela Google Research, promete previsões mais frequentes, mais nítidas e alimentadas por observações reais quase em direto.

Segundo o anúncio oficial da Google, o modelo passa a integrar dados de satélite geoestacionário, refresca previsões de hora a hora, chega a resolução de 5 km para algumas variáveis e já está a entrar no Google Search, Gemini, Maps, Google Maps Platform e Cloud. Não é apenas uma demo científica: é uma atualização que pode aparecer no ecrã de milhões de pessoas quando planeiam uma viagem, um evento ou uma rota de trabalho.

Visualizacao oficial do WeatherNext 3 da Google para previsao meteorologica por IA
WeatherNext 3 transforma previsao meteorologica por IA num produto integrado em Search, Gemini, Maps e Cloud. Imagem: Google

Argumentos a favor

O primeiro argumento é velocidade. Muitos modelos tradicionais dependem de simulações físicas complexas e ciclos de dados que podem chegar com horas de atraso. A Google diz que o WeatherNext 3 aprende diretamente com mosaicos de satélite globais e observações de estações meteorológicas, produzindo uma leitura mais contínua da atmosfera. Para chuva, frentes rápidas ou calor local, uma previsão antiga por poucas horas pode ser a diferença entre informação útil e ruído.

O segundo argumento é detalhe. A página técnica do Google for Developers descreve previsões globais inicializadas a cada hora, até 0,05 graus, cerca de 5 km, em variáveis de superfície calibradas por estações. A própria Google afirma que isto é cerca de cinco vezes mais fino do que o WeatherNext 2 em certos casos. Para regiões costeiras, vales, montanhas ou cidades onde a meteorologia muda em poucos quilómetros, esse detalhe é o ponto.

O terceiro argumento é distribuição. Um modelo climático avançado costuma ficar preso a centros meteorológicos, supercomputadores ou equipas especializadas. Aqui, a Google fala em BigQuery, Earth Engine, Google Cloud Storage e Google Maps Platform Weather API. Isso coloca dados de previsão nas mãos de investigadores, empresas de logística, operadores de energia renovável e programadores que talvez nunca montassem uma cadeia meteorológica completa.

Diagrama oficial da arquitetura WeatherNext 3 com dados de satelite e modelo FGN
A arquitetura WeatherNext 3 combina mosaicos de satelite, analise historica e um transformer FGN para gerar campos meteorologicos e trajetorias. Imagem: Google

Riscos e limitações

O risco óbvio é a confiança excessiva. A meteorologia não deixou de ser probabilística só porque usa IA. A própria Google inclui uma nota importante: avisos severos e decisões de segurança pública devem continuar a vir de serviços meteorológicos oficiais. Um modelo que melhora a previsão de precipitação para muitos utilizadores não substitui automaticamente proteção civil, radares locais, meteorologistas humanos nem procedimentos de emergência.

Há também uma questão de dependência. Se previsões melhores chegam através de Search, Maps, Gemini e Cloud, parte da inteligência meteorológica pública fica mediada por uma plataforma privada. Isso pode ser excelente para acesso rápido, mas levanta perguntas sobre transparência, custos, disponibilidade regional e continuidade. O paper técnico ajuda a explicar a arquitetura e as avaliações, mas a adoção em larga escala vai depender de validação independente e comparação contínua com sistemas nacionais.

Por fim, há concorrência real. A TechCrunch notou que a Google reivindica incorporação direta de observações brutas em alta resolução global, enquanto startups como a WindBorne contestam partes desse enquadramento. Essa disputa é saudável: se várias equipas estiverem a reduzir atraso, aumentar resolução e testar dados observacionais, o vencedor final pode ser quem precisa da previsão, não apenas quem publica o benchmark mais bonito.

Comparacao oficial de previsao de precipitacao entre WeatherNext 2, WeatherNext 3 e dados de satelite
Na comparacao de precipitacao, a Google mostra o WeatherNext 3 mais proximo do rasto observado por satelite do que a geracao anterior. Imagem: Google

Veredicto

WeatherNext 3 importa porque pega numa área em que a IA pode ser invisível e prática ao mesmo tempo. Ninguém precisa saber o que é um transformer de malha FGN para beneficiar de uma previsão de chuva menos desfocada. O valor aparece quando agricultores antecipam irrigação, operadores solares estimam produção, cidades planeiam eventos ou pessoas comuns deixam de confiar numa previsão demasiado genérica.

A cautela é igualmente simples: previsões melhores não são certezas. A notícia forte não é que a Google resolveu o clima, mas que a corrida por modelos meteorológicos de IA passou do laboratório para produtos quotidianos. Se os resultados se confirmarem fora do marketing, a pergunta "vai chover?" pode finalmente começar a receber respostas mais locais, mais rápidas e menos frustrantes.

Comentários (60)

Inicia sessão para comentar. Registar