Microsoft abre o código do PBC, ferramenta de IA que corrige viés em modelos meteorológicos

Pesquisadores da Microsoft publicaram em 14 de outubro de 2026 um artigo na revista Nature descrevendo a Correção Probabilística de Viés (PBC, na sigla em inglês), um método de aprendizado de máquina que, segundo eles, torna as previsões do tempo para duas a seis semanas mais precisas. A empresa lançou a ferramenta como software de código aberto. Entre os coautores estão pesquisadores do MIT, do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF) e de outras instituições.

As previsões tanto dos sistemas tradicionais baseados em física quanto dos modelos de IA mais recentes tendem a perder confiabilidade após a marca de duas semanas. Em vez de criar mais um modelo de previsão independente, a equipe da Microsoft decidiu corrigir os erros já embutidos nos modelos existentes, uma abordagem que, segundo eles, deve interessar agências meteorológicas com orçamentos limitados.

Foco no viés sistemático

Todos os modelos de previsão dependem de aproximações para preencher lacunas, como regiões com poucas estações meteorológicas ou processos atmosféricos que os cientistas ainda não compreendem totalmente. Esses atalhos podem se consolidar como viés sistemático, e os erros crescem quanto mais longe o modelo projeta. O PBC usa aprendizado de máquina para detectar e ajustar esse viés. Lester Mackey, pesquisador principal sênior da Microsoft Research New England, cita a mudança climática como exemplo: um modelo treinado com registros históricos pode apresentar temperaturas mais baixas do que o mundo em aquecimento de hoje.

De acordo com os pesquisadores, o PBC melhorou um modelo líder do ECMWF baseado em física em 98% dos alvos de precipitação e em 92% dos alvos de temperatura. Na análise do estudo, a ferramenta também dobrou a precisão do novo sistema de previsão por IA do ECMWF. O centro já havia reconhecido o trabalho em sua competição AI Weather Quest antes da publicação. Matthew Chantry, líder estratégico de aprendizado de máquina do centro, recebeu bem a ideia, mas fez uma ressalva: "transformar ideias em realidade [em] um processo operacional é uma etapa muito desafiadora."

Leve o suficiente para agências menores

A previsão baseada em física depende de supercomputadores, e a IA generativa, de GPUs potentes, mas Mackey afirma que o PBC pode rodar apenas em CPUs. As altas exigências computacionais impediram por muito tempo que muitas agências de economias em desenvolvimento adotassem novas técnicas de previsão. A coautora Genevieve Flaspohler argumenta que, por ser um modelo leve e fácil de treinar, cientistas sem grandes recursos podem ajustá-lo para suas próprias regiões.

Flaspohler trabalhou no PBC como estagiária da Microsoft e atualmente lidera a organização sem fins lucrativos Rhiza Research, que está em parceria com o Serviço Meteorológico do Quênia, com financiamento da Fundação Gates, para testar se a IA pode melhorar os alertas antecipados. O PBC está entre os métodos em avaliação antes de uma estação chuvosa que deve ser mais extrema durante um El Niño recorde. O trabalho coloca a Microsoft ao lado do Google, da Nvidia e de outras empresas que desenvolvem ferramentas de IA para previsão do tempo.