DeepMind-AI voorspelt dodelijke cyclonen een dag eerder dan bestaande modellen

Elk jaar veroorzaken tropische cyclonen wereldwijd overstromingen, verwoeste huizen en slachtoffers. Hoe eerder autoriteiten weten waar zo'n storm precies langskomt en hoe hard de wind waait, hoe beter ze evacuaties kunnen plannen. Google DeepMind claimt nu een doorbraak: het nieuwe AI-weersvoorspellingsmodel WeatherNext voorspelt de baan en windsnelheid van cyclonen drie dagen vooruit net zo nauwkeurig als bestaande modellen dat twee dagen vooruit kunnen. Dat is een extra dag waarschuwingstijd, wat er in de praktijk toe kan leiden dat evacuaties beter getimed worden en minder mensen worden verrast door een storm.

Sneller dan een supercomputer

Traditionele weersvoorspellingen komen tot stand met fysica-simulaties: supercomputers rekenen de bewegingen van lucht, vocht en druk in de atmosfeer stap voor stap door. Dat kost dagen aan rekentijd. WeatherNext doet dat anders. Het model is getraind met deep learning op bijna 20 terabyte aan wereldwijde weergegevens en op data van 5000 historische stormen uit het verleden. Daardoor herkent het patronen die aan een nieuwe cycloon voorafgaan, zonder dat het alle natuurkundige berekeningen opnieuw hoeft uit te voeren. Het resultaat: een volledige vijftiendaagse weersverwachting in minder dan een minuut, op een gespecialiseerde Google-rekenchip. Het model werkt bovendien met een grover raster dan klassieke modellen — het kleinste vakje op de kaart beslaat 28 vierkante kilometer, honderd keer groter dan gebruikelijk — en is daardoor veel minder rekenintensief.

Onderzoeker Ferran Alet van DeepMind vergeleek WeatherNext met drie gevestigde modellen: GenCast van Google zelf, het ENS-model van het Europese weercentrum ECMWF en het hurricaneмодel van de Amerikaanse weerdienst NOAA. Op basis van maximale windsnelheid en de afstand tussen voorspelde en werkelijke locatie van een cycloon presteerde WeatherNext drie dagen vooruit net zo goed als de concurrentie twee dagen vooruit. "Weer is chaotisch: hoe verder je vooruitkijkt, hoe onzekerder de voorspelling wordt. De vraag is hoe ver we die chaos-grens kunnen oprekken," aldus Alet.

Niet iedereen is overtuigd

Hannah Cloke, hoogleraar aan de Universiteit van Reading en niet betrokken bij het onderzoek, noemt de opmars van klimaat-AI in de meteorologie ongekend snel. Ze waarschuwt wel dat veel nieuwkomers in het vakgebied uit de data science komen en niet altijd de meteorologische kennis hebben om te beoordelen of een AI-voorspelling wel kloppend is. Tim Palmer van de Universiteit van Oxford plaatst een fundamentelere kanttekening: AI-modellen leren van het verleden en kunnen daardoor mogelijk falen bij uitzonderlijke, nooit eerder voorgekomen stormen — juist het soort extremen dat door klimaatverandering vaker kan optreden. Hij pleit voor strengere tests waarbij bekende extreme gebeurtenissen bewust uit de trainingsdata worden gehaald. Ook wijst hij erop dat klassieke weermodellen en klimaatmodellen tot 90 procent van hun programmeercode delen: verdwijnt de fysica-gebaseerde aanpak uit de weersvoorspelling, dan verliezen klimaatwetenschappers daarmee ook belangrijke kennis.