O AGENTICO
Google lança WeatherNext 3 com previsões horárias e resolução de 5 km
6 fontesdesde 03 de setembro de 20266 artigos
O Google apresentou o WeatherNext 3, seu mais novo modelo de previsão do tempo com inteligência artificial, que usa dados de satélite em tempo real para gerar previsões a cada hora com resolução de até 5 km. O modelo já está integrado a serviços como Search, Maps e Gemini, e superou concorrentes e sistemas tradicionais em testes de benchmark.



Resumo
O Google anunciou o modelo de previsão do tempo WeatherNext 3, que gera previsões a cada hora usando dados de satélite em tempo real.
Representa uma melhoria significativa na capacidade de previsão, com atualizações mais frequentes que as dos modelos tradicionais.
O WeatherNext 3 alcança resolução de até 5 km, superior aos 25 km do modelo anterior, WeatherNext 2.
Resolução mais alta significa previsões mais detalhadas e localizadas, útil para fenômenos como chuvas intensas.
O modelo será integrado aos serviços do Google, como Search, Maps e Gemini.
Isso significa que usuários comuns terão acesso a previsões mais precisas no dia a dia, diretamente nas ferramentas que já usam.
O WeatherNext 3 superou outros modelos de IA e previsões tradicionais em testes no benchmark Operational WeatherBench.
Valida a superioridade do modelo em cenários de comparação, indicando que ele é mais preciso que concorrentes como Nvidia e Microsoft.
O modelo usa dados de satélite observacionais em tempo real, diferente de outros modelos que dependem de simulações numéricas com defasagem.
A inovação está em aprender com dados observacionais frescos, reduzindo vieses em previsões de variáveis rápidas como chuva e temperatura.
O modelo também supera sistemas tradicionais de previsão, como os do Serviço Nacional de Meteorologia dos EUA e do ECMWF.
Indica que a IA pode rivalizar e superar métodos clássicos baseados em supercomputadores, que são caros e lentos.
O modelo usa uma combinação de dados de satélite geoestacionário global em mosaico, diferente de outros modelos que treinam com dados de simulações numéricas.
Essa abordagem inovadora reduz o viés de dados desatualizados e melhora a previsão de variáveis de rápida mudança, como chuva e temperatura da superfície.
Todo dia, só o que dois veículos independentes confirmaram — no seu feed.