Google DeepMind voorspelt orkanen nauwkeuriger met nieuw AI-model

Google DeepMind heeft een nieuw AI-model voor orkaanvoorspellingen gepresenteerd dat twee taken combineert die voorheen apart moesten: de route van een cycloon voorspellen én de kracht ervan inschatten. Het model, WeatherNext Cyclones (WN-C), kijkt ongeveer een dag verder vooruit dan de beste bestaande systemen en werkt daarbij met veel grovere data dan gespecialiseerde orkaanmodellen. Hoe het dat precies voor elkaar krijgt, is voor de ontwikkelaars zelf nog deels een raadsel.

Twee problemen in één model

Orkaanvoorspellers kampen al decennia met een lastige afruil. Wereldwijde modellen zoals het ensemble-systeem ENS van het Europese weercentrum ECMWF zijn goed in het voorspellen van de route van een storm, maar te grof voor een nauwkeurige inschatting van de windkracht. Gespecialiseerde regionale modellen, zoals HAFS van de Amerikaanse weerdienst NOAA, doen het juist beter op intensiteit maar missen precisie in de route. WN-C doet volgens een publicatie in het tijdschrift Nature beide tegelijk, en beter. Voor een voorspelling vijf dagen vooruit zit de geschatte positie van het stormcentrum er gemiddeld 230 kilometer naast, tegenover 370 kilometer bij ENS. Op de intensiteit van een storm scoort WN-C drie dagen vooruit ruim 4 kilometer per uur nauwkeuriger dan HAFS. Het model is ontwikkeld samen met het Amerikaanse National Hurricane Center (NHC), het Cooperative Institute for Research in the Atmosphere en de Britse weerdienst Met Office, en draait sinds juni 2025 live op Google's Weather Lab. Tijdens orkaan Melissa, die in 2025 op Jamaica aan land kwam, hielp het model het NHC op tijd te waarschuwen voor snelle intensivering: het moment waarop een storm binnen 24 uur minstens 55 kilometer per uur aan windkracht wint.

Verrassend nauwkeurig met grove data

Opvallend is dat WN-C werkt met een rekenraster van ongeveer 28 kilometer per gridpunt, zo'n honderd keer grover dan gespecialiseerde regionale modellen gebruiken. Zelfs een compactere versie met 111 kilometer per gridpunt levert nog concurrerende resultaten op. Kennelijk zit er in grove weerdata meer informatie over de kracht van een storm dan tot nu toe werd aangenomen, al kunnen de onderzoekers nog niet precies verklaren waarom. WN-C is bovendien sneller dan zijn voorganger GenCast, dat werkt met een diffusiemodel en tientallen rekenstappen nodig heeft per voorspelling. WN-C gebruikt in plaats daarvan Functionele Generatieve Netwerken (FGN), die met één enkele rekenstap klaar zijn en zo acht keer sneller werken. Om onzekerheid mee te nemen, voegt het model geen ruis toe aan losse pixels, maar aan de besturingslagen van het netwerk. Dat levert uiteenlopende maar natuurkundig consistente scenario's op in plaats van louter ruizige variaties. Doordat een volledige vijftiendaagse voorspelling in minder dan een minuut draait op een AI-chip van Google, kon het aantal parallelle scenario's per storm oplopen van 50 naar 1.000.

Aanvulling op bestaande modellen

Volgens DeepMind moet WN-C gezien worden als aanvulling, niet als vervanging van traditionele weersvoorspellingsmodellen. Het NHC middelt voor zijn officiële waarschuwingen doorgaans de uitkomsten van meerdere natuurkundige modellen. Wordt WN-C aan die mix toegevoegd, dan verbetert de routevoorspelling gemiddeld met 28 procent en de intensiteitsvoorspelling met ongeveer 6 procent. Voor officiële waarschuwingen blijven nationale weerdiensten de aangewezen bron. DeepMind heeft de code en de modelgewichten van zowel WeatherNext 2 als WeatherNext Cyclones openbaar gemaakt op GitHub; een compacte versie draait zelfs op een gratis Colab-notebook. Het is niet de eerste keer dat DeepMind zich op weersvoorspellingen richt: eind 2024 kwam het bedrijf al met GenCast, het eerste probabilistische weermodel dat het ECMWF-ensemble versloeg. De doorbraak komt in een roerige periode voor DeepMind: topman Demis Hassabis werd onlangs Chief Scientist van moederbedrijf Alphabet, en hoofdonderzoeker Jeff Dean vertrok na 27 jaar om een eigen AI-startup te beginnen.