DeepMind-AI waarschuwt een dag eerder voor dodelijke cyclonen

Een AI-model van DeepMind kan drie dagen van tevoren cyclonen voorspellen, met een nauwkeurigheid die eerdere modellen pas een dag later evenaren.

DeepMind heeft een AI-model ontwikkeld dat een dag eerder dan bestaande technieken dodelijke cyclonen kan voorspellen. Het model maakt het mogelijk om sneller en accurater keuzes te maken over evacuatie, en kan daardoor levensreddend zijn.

Veel van de bestaande weersvoorspellingen stoelen op natuurkundige simulaties die draaien op krachtige supercomputers. Zulke simulatie bootsen weerpatronen zo precies mogelijk na en trekken ze door naar de toekomst. AI-modellen zijn mogelijk een sneller en goedkoper alternatief.

Het nieuwe model – dat WeatherNext heet – kan in minder dan een minuut een weersvoorspelling voor vijftien dagen genereren op een van de gespecialiseerde AI-chips van Google. Natuurkundige modellen hebben daarentegen voor dezelfde voorspelling dagen aan rekentijd nodig op energieslurpende computers.

5000 stormen

WeatherNext draait op een simulatie van onze atmosfeer waarin de kleinste eenheid een gebied van 28 vierkante kilometer beslaat. Daarmee is de simulatie honderd keer minder gedetailleerd dan die van traditionele modellen.

De ontwikkelaars trainden het model met bijna 20 terabyte aan weergegevens van over de hele wereld en gegevens over 5000 stormen uit het verleden. Volgens AI-wetenschapper Ferran Alet van DeepMind waren vooral die historische stormgegevens cruciaal om WeatherNext nauwkeuriger te laten voorspellen hoe nieuwe cyclonen zich zullen gedragen.

Het DeepMind-team vergeleek hun AI-model met het GenCast-model van Google, het ENS-model van het Europese Centrum voor weersvoorspellingen op middellange termijn (ECMWF), en het orkaananalyse- en voorspellingssysteem van de Amerikaanse weerdienst NOAA.

Uit de tests bleek dat WeatherNext drie dagen van tevoren voorspellingen kon doen die even nauwkeurig waren als de huidige modellen twee dagen van tevoren. Daarbij keken de onderzoekers naar de maximale windsnelheid en naar het verschil tussen de voorspelde en de uiteindelijke werkelijke locatie van een cycloon.

Nog sneller en preciezer

‘Hoe verder je vooruit probeert te kijken, hoe minder nauwkeurig de voorspelling wordt. Dat komt doordat het weer chaotisch is’, zegt Alet. ‘De vraag is dus: hoever kan je die chaosbarrière verschuiven? Hoever in de toekomst kun je kijken?’ Het team van DeepMind is inmiddels al met nieuwe ontwikkelingen bezig, die tot nog snellere en nauwkeurigere modellen moeten leiden.

Het bedrijf heeft al een reeks verbeteringen van weersvoorspellingen op zijn naam staan. In 2021 ontwikkelde DeepMind een extreem lokaal korte-termijnmodel dat accurater dan bestaande modellen kon voorspellen of het in de komende 90 minuten zou regenen of niet. In 2023 lanceerde het een model dat accurate tiendaagse weersvoorspellingen deed, en in 2024 bracht het een model uit dat de nodige tijd en energie voor weersvoorspellingen drastisch deed slinken.

Niet bij te benen

Meteoroloog Hannah Cloke van de Universiteit van Reading in het Verenigd Koninkrijk, die niet bij het onderzoek betrokken was, zegt dat ze nog nooit eerder heeft meegemaakt dat de meteorologie zo’n grote vlucht heeft genomen als de afgelopen jaren door AI.

‘Dit is een van de interessantste vakgebieden om in te werken op dit moment. Een van de redenen daarvoor is de opkomst van weersvoorspellingen met machine learning en de enorme snelheid waarmee we in dit vakgebied vooruitgang boeken’, zegt ze. ‘Je gaat een week op vakantie, en bij terugkomst blijkt er alweer iets nieuws te zijn gebeurd.’

Volgens Cloke gaan de ontwikkelingen veel sneller dan wetenschappelijke tijdschriften kunnen bijbenen. Dat wil zeggen dat de nieuwste kennis zo’n achttien maanden voorloopt op wat we lezen in artikelen zoals deze.

De afgelopen jaren hebben wereldwijde voorspellingsdiensten AI-modellen naast hun traditionele natuurkundige modellen gelegd. Er is steeds meer overeenstemming dat AI-modellen sneller, goedkoper, en vaak ook effectiever zijn dan natuurkundige modellen, zegt Cloke. Maar ze benadrukt dat dat niet wegneemt dat het belangrijk is om metrologische expertise goed te onderhouden.

‘Veel van de nieuwe mensen die ik in dit vakgebied tegenkom, komen vanuit de datawetenschappen. Ze hebben niet per definitie de meteorologische achtergrond die je nodig hebt om te beoordelen of de voorspellingen ergens op slaan’, zegt Cloke. ‘Er heerst dus echt een spanningsveld tussen de nieuwe, veelbelovende technieken en het nemen van de juiste beslissingen over hoe we deze modellen inzetten.’

AI-dwaalspoor

Ondanks dit razendsnelle succes binnen de meteorologie, is niet iedereen ervan overtuigd dat AI-modellen de toekomst van weersvoorspellingen zijn. We zouden ze volgens deze deskundigen op zijn minst veel grondiger moeten testen voor we traditionele modellen bij het grofvuil zetten.

Zo maakt klimatoloog Tim Palmer van de Universiteit van Oxford zich zorgen dat modellen moeite zullen hebben met het voorspellen van uitzonderlijke, eenmalige gebeurtenissen. Daarvan bestaan per definitie geen vergelijkbare voorbeelden in de trainingsdata.

Daarom pleit hij voor een nieuwe manier om modellen op de proef te stellen. Haal eerdere, soortgelijke gebeurtenissen uit de trainingsdata en kijk dan of AI-modellen ze alsnog succesvol kunnen voorspellen, zegt hij. Volgens Palmer wordt dit steeds belangrijker, omdat het weer door klimaatverandering steeds grilliger wordt.

‘Nu testen we daar helemaal niet voor’, zegt hij. ‘Als we vertrouwen op een AI die is getraind met 40 of 50 jaar aan historische gegevens, kan dat ons op een dwaalspoor brengen.’

Klimaatvoorspellingen

Een tweede zorg van Palmer is dat weermodellen zo’n 90 procent in code overlappen met klimaatveranderingsmodellen. Als we numerieke natuurkundige modellen voor weersvoorspelling aan de kant schuiven, zouden klimaatmodelleurs daar de dupe van zijn. Zij zouden het zonder alle kennis en data uit de weersvoorspelling moeten doen, of al het werk dat nu voor voorspellingsveld wordt gedaan opnieuw moeten uitvoeren om hun onderzoek op dezelfde manier voort te zetten.

‘De code is vrijwel identiek’, zegt Palmer. ‘Als we straks niet meer in staat zijn om met natuurkundige modellen weersvoorspellingen te maken, zullen ook onze klimaatvoorspellingen daaronder lijden.’