O modelo WeatherNext do Google DeepMind pode melhorar o seguro DeFi e os mercados de previsões

O Google DeepMind acabou de desenvolver um modelo de previsão do tempo que supera os humanos que passaram suas carreiras rastreando furacões. O WeatherNext 2, desenvolvido em colaboração com o Google Research, consegue prever tanto a trajetória quanto a intensidade de ciclones tropicais com precisão que superou os métodos tradicionais baseados em física durante a temporada de furacões do Atlântico de 2025.

O modelo gera previsões probabilísticas em ensemble até 15 dias à frente, com resolução temporal de até uma hora. Ele opera 8 vezes mais rápido que os modelos anteriores. O Centro Nacional de Furacões testou o WeatherNext 2 durante a temporada de furacões de 2025. Ele superou métodos convencionais em várias métricas-chave de desempenho para previsão de ciclones. Talvez o mais intrigante, os pesquisadores por trás do modelo ainda não compreendem totalmente como ele alcança esse nível de precisão usando entradas de dados meteorológicos de baixa resolução.

Componentes anteriores da série WeatherNext, juntamente com modelos relacionados como GraphCast e GenCast, já foram disponibilizados como código aberto. Pesos pré-treinados e entradas de dados de baixa resolução estão publicamente disponíveis por meio dos recursos do Google Developer. O DeepMind indicou que o WeatherNext também será open-sourced, o que significa que qualquer pessoa com as habilidades técnicas necessárias pode construir sobre ele.

O ecossistema cripto tem construído silenciosamente infraestrutura financeira que depende de dados meteorológicos precisos e em tempo real. Mercados de previsão permitem que usuários apostem em resultados climáticos. Protocolos de seguro paramétrico acionam pagamentos automáticos quando limiares meteorológicos específicos são atingidos, como velocidades do vento superiores a um certo nível ou precipitação atingindo uma referência definida.

A resolução horária e a janela de previsão de 15 dias do WeatherNext 2 podem melhorar significativamente a precisão desses gatilhos. A natureza de código aberto do modelo permite que protocolos DeFi integrem diretamente as saídas do modelo ou construam produtos de dados derivados com base nos pesos disponibilizados publicamente, sem a necessidade de negociar acordos de licenciamento empresarial com o Google.

O Google DeepMind vem se preparando para este momento há anos. O GraphCast demonstrou que o aprendizado de máquina pode superar a previsão numérica tradicional do tempo para previsões de médio prazo. O GenCast avançou na geração de conjuntos probabilísticos. O WeatherNext 2 dá o próximo passo, concentrando-se especificamente em eventos de alto impacto, como ciclones tropicais.

A parceria com a NHC adiciona credibilidade institucional que vai além do mundo acadêmico. Quando uma agência federal responsável por proteger vidas valida a superioridade de um modelo de IA em relação aos seus próprios métodos tradicionais, isso é um sinal de que a tecnologia passou de uma curiosidade de pesquisa para uma ferramenta prática.

O risco é que previsões melhores não se traduzem automaticamente em produtos melhores. A lacuna entre a saída de um modelo e a execução de um contrato inteligente ainda exige infraestrutura de oracle robusta, modelagem adequada de risco e liquidez suficiente para tornar os mercados funcionais. O DeepMind resolveu o problema da previsão. O ecossistema cripto ainda precisa resolver a tubulação.