Tecnologia desenvolvida por pesquisadores da Universidade Federal Fluminense aposta em inteligência artificial mais eficiente para antecipar eventos extremos, reduzir custos computacionais e ampliar o acesso a ferramentas de previsão climática
Pesquisadores brasileiros desenvolveram uma nova abordagem de inteligência artificial capaz de auxiliar na previsão de chuvas intensas utilizando significativamente menos recursos computacionais. O trabalho, liderado por pesquisadores da Universidade Federal Fluminense (UFF) em colaboração com instituições brasileiras e europeias, apresenta uma proposta de chamada “IA verde”, combinando modelos de inteligência artificial com preocupação ambiental e eficiência energética. Segundo os pesquisadores, a metodologia consegue reduzir em até 70% o consumo energético e os recursos computacionais necessários para realizar determinadas previsões, abrindo caminho para aplicações em locais que não possuem acesso a grandes estruturas de processamento de dados.
O estudo ganha relevância em um momento de preocupação crescente com eventos climáticos extremos no Brasil. Chuvas intensas, enchentes, deslizamentos e períodos prolongados de instabilidade meteorológica representam desafios especialmente importantes para municípios com infraestrutura limitada. Sistemas tradicionais de previsão e modelos avançados de inteligência artificial podem exigir servidores potentes e grande quantidade de energia, dificultando sua utilização por instituições menores e administrações municipais com poucos recursos tecnológicos.
A proposta dos pesquisadores busca enfrentar justamente essa limitação. Em vez de considerar apenas a precisão dos modelos, o trabalho incorpora eficiência computacional como parte central da solução. Dessa maneira, o objetivo é desenvolver ferramentas que consigam produzir informações meteorológicas relevantes utilizando uma estrutura tecnológica menor, reduzindo simultaneamente custos financeiros e consumo energético.
Inteligência artificial busca antecipar chuvas extremas
A utilização de inteligência artificial na meteorologia vem crescendo à medida que pesquisadores conseguem trabalhar com volumes cada vez maiores de informações atmosféricas. Modelos computacionais podem analisar padrões encontrados em dados históricos e identificar combinações de fatores associadas à formação de determinados eventos meteorológicos.
No caso das chuvas intensas, essa capacidade possui importância especial. Precipitações concentradas em períodos curtos podem provocar alagamentos, enchentes e deslizamentos, principalmente em áreas urbanas densamente ocupadas e regiões vulneráveis. Quanto mais cedo existir uma indicação confiável de risco, maior poderá ser o tempo disponível para preparação das autoridades e da população.
Entretanto, desenvolver modelos cada vez maiores não resolve automaticamente todos os problemas. Sistemas de inteligência artificial sofisticados podem exigir enorme capacidade computacional, elevando custos e consumo de energia. Isso cria uma contradição quando essas mesmas ferramentas são desenvolvidas para enfrentar problemas relacionados à crise climática.
A pesquisa brasileira procura oferecer uma alternativa a esse modelo ao priorizar algoritmos capazes de produzir resultados com uma estrutura computacional mais eficiente.
Consumo de recursos pode cair até 70%
Um dos principais resultados apresentados pelos pesquisadores é a possibilidade de reduzir em até 70% o consumo energético e de recursos computacionais. Essa diminuição pode tornar a utilização de inteligência artificial climática mais acessível para instituições que não possuem grandes centros de processamento.
O custo computacional tornou-se uma preocupação crescente dentro do desenvolvimento da inteligência artificial. Treinar e executar determinados modelos exige servidores especializados funcionando durante longos períodos, aumentando tanto despesas financeiras quanto demanda por eletricidade.
Quando esse tipo de tecnologia é aplicado ao meio ambiente, a questão se torna ainda mais relevante. Utilizar enormes quantidades de energia para desenvolver ferramentas destinadas justamente a enfrentar consequências das mudanças climáticas pode limitar parte dos benefícios ambientais da solução.
A chamada IA verde procura modificar essa lógica. Eficiência passa a ser considerada uma característica essencial do sistema, ao lado de precisão, velocidade e capacidade de processamento.
Tecnologia pode beneficiar cidades com menos infraestrutura
Outra contribuição importante da pesquisa está relacionada à desigualdade de acesso à tecnologia. Grandes centros meteorológicos e instituições de pesquisa normalmente possuem supercomputadores, servidores especializados e equipes técnicas capazes de operar sistemas complexos.
Essa realidade não se repete em todos os municípios brasileiros. Pequenas e médias cidades podem possuir equipes reduzidas e infraestrutura computacional limitada, mesmo quando estão localizadas em regiões sujeitas a enchentes, deslizamentos ou outros eventos climáticos extremos.
Uma solução que necessite de menos capacidade de processamento pode facilitar a expansão de ferramentas de previsão para esses locais. Isso não significa eliminar a necessidade dos serviços meteorológicos nacionais ou estaduais, mas criar possibilidades adicionais de análise e planejamento.
A redução da infraestrutura necessária também pode facilitar aplicações em universidades, centros regionais de pesquisa e órgãos públicos que atualmente encontram barreiras financeiras para utilizar modelos avançados de inteligência artificial.
Eventos extremos aumentam importância da previsão
O desenvolvimento da tecnologia ocorre em um cenário no qual eventos meteorológicos extremos vêm aumentando a pressão sobre sistemas de prevenção e resposta a desastres. Grandes volumes de chuva em períodos curtos podem superar rapidamente a capacidade de drenagem das cidades.
Áreas localizadas próximas a rios, encostas e regiões com infraestrutura urbana deficiente estão particularmente expostas. Nessas situações, poucas horas adicionais de preparação podem ser importantes para organizar equipes de emergência, emitir alertas e orientar moradores.
A inteligência artificial pode complementar modelos meteorológicos tradicionais ao identificar padrões dentro de grandes conjuntos de informações. Entretanto, os pesquisadores destacam que tecnologia sozinha não elimina os riscos.
Previsões precisam estar conectadas a sistemas de alerta, planos de emergência, infraestrutura urbana e políticas públicas capazes de transformar informações meteorológicas em ações concretas de proteção.
IA verde tenta reduzir impacto ambiental da própria tecnologia
O conceito de inteligência artificial verde vem ganhando espaço à medida que cresce a preocupação com o consumo energético associado aos sistemas digitais. Grandes modelos podem utilizar centros de dados equipados com milhares de processadores, além de estruturas de refrigeração e armazenamento.
Embora cada aplicação tenha características diferentes, a expansão acelerada da inteligência artificial aumenta a necessidade de discutir eficiência energética. Modelos menores e mais especializados podem ser suficientes para determinadas tarefas, evitando o uso desnecessário de estruturas computacionais gigantescas.
A pesquisa sobre chuvas intensas segue justamente essa direção. Em vez de simplesmente aumentar o tamanho dos modelos na busca por desempenho, os pesquisadores analisam maneiras de obter resultados utilizando menos recursos.
Essa abordagem pode ser particularmente importante para aplicações ambientais, nas quais o impacto energético da própria tecnologia precisa ser considerado como parte do problema que está sendo enfrentado.
Pesquisa brasileira ganha dimensão internacional
O trabalho desenvolvido pela UFF contou com colaboração de instituições brasileiras e europeias e foi publicado na revista científica Scientific Reports. A cooperação internacional permite reunir pesquisadores com diferentes especialidades e ampliar a validação das metodologias utilizadas.
A publicação científica também permite que outros grupos analisem os resultados, testem as técnicas propostas e desenvolvam novas aplicações a partir da metodologia apresentada.
Para a ciência brasileira, pesquisas desse tipo ajudam a posicionar universidades nacionais dentro de uma área tecnológica que recebe investimentos crescentes em diferentes países. Inteligência artificial aplicada ao clima reúne computação, meteorologia, matemática, ciência de dados e estudos ambientais.
Essa característica multidisciplinar também amplia as possibilidades de formação de pesquisadores capazes de atuar tanto no desenvolvimento tecnológico quanto em problemas ambientais concretos.
Justiça climática também faz parte da discussão
Os pesquisadores chamam atenção ainda para uma dimensão social importante: eventos climáticos extremos não atingem todas as pessoas da mesma maneira. Populações que vivem em áreas com infraestrutura precária normalmente possuem menor capacidade de preparação e recuperação diante de enchentes e outros desastres.
Da mesma forma, regiões com poucos recursos públicos podem ter dificuldade para investir em tecnologias avançadas de monitoramento e previsão. Isso cria uma desigualdade tecnológica justamente onde ferramentas de prevenção podem ser particularmente necessárias.
Reduzir os requisitos computacionais de um sistema pode contribuir para diminuir parte dessa barreira. Quanto menor o custo para executar uma solução, maior tende a ser a possibilidade de utilização por instituições com orçamentos reduzidos.
A tecnologia, entretanto, precisa ser acompanhada de políticas públicas e infraestrutura adequada. Uma previsão precisa somente produz impacto social quando a informação chega às autoridades e comunidades em tempo suficiente para permitir ações preventivas.
Tecnologia pode aproximar IA e prevenção de desastres
A pesquisa desenvolvida pela UFF mostra como a inteligência artificial pode ser direcionada para problemas diretamente relacionados à realidade brasileira. Em vez de concentrar a tecnologia somente em aplicações comerciais ou ferramentas generativas, modelos especializados podem contribuir para desafios relacionados a clima, agricultura, saúde e infraestrutura.
No caso das chuvas intensas, a possibilidade de trabalhar com sistemas computacionalmente mais eficientes pode ampliar o número de instituições capazes de utilizar essas ferramentas. Universidades regionais, órgãos municipais e centros de pesquisa com estruturas menores podem se beneficiar de metodologias que não dependam de grandes centros de dados.
O desafio seguinte será transformar os resultados científicos em aplicações operacionais capazes de complementar sistemas meteorológicos existentes. Para isso, serão necessários novos testes, validações e integração com bases de dados e estruturas de monitoramento.
A pesquisa divulgada neste 2 de setembro de 2026 demonstra, porém, uma direção importante: desenvolver inteligência artificial não significa necessariamente criar sistemas cada vez maiores. Em determinadas aplicações, tornar os modelos mais eficientes, acessíveis e ambientalmente sustentáveis pode ser tão importante quanto aumentar sua capacidade computacional.
Fonte: