Nauwkeurige weersvoorspellingen als nooit tevoren, dankzij AI: Google presenteert zijn nieuwe tool
Weersvoorspellingen zijn geen exacte wetenschap. Ze zijn het resultaat van complexe berekeningen van de atmosfeer en de bewegingen van grote luchtmassa's en zijn nauwkeuriger naarmate ze dichter bij de dag van vandaag zijn. Google heeft echter onlangs besloten deze limiet te doorbreken door GraphCast te lanceren, een op AI gebaseerd weersvoorspellingsmodel dat een ongekende nauwkeurigheid zou moeten bieden. Maar zal dat echt zo zijn?
Nauwkeurige en snelle weersvoorspellingen: hoe Google GraphCast werkt
Google DeepMind
Traditionele modellen die worden gebruikt voor weersvoorspellingen zijn gebaseerd op complexe vloeistofdynamica- en thermodynamische berekeningen. Als weergegevens door de luchtmacht worden verstrekt, is dat juist vanwege de kosten en apparatuur die nodig is om deze te verkrijgen. En, zoals we in de inleiding zeiden, ze hebben pas echt zin binnen een paar dagen na het maken van deze berekeningen. Verderop in de tijd laten de variabelen geen grote nauwkeurigheid toe.
Zoals vermeld in de studie gepubliceerd in Science, doet Google GraphCast precies hetzelfde, maar beperkt zich niet tot alleen geavanceerde berekeningen. Daarnaast wordt er ook gekeken naar historische gegevens, huidige weersomstandigheden en bredere tijdsbestekken. Dit weervoorspellingsmodel observeert vervolgens het verleden en het heden en levert gegevens over de toekomst met verbazingwekkende precisie. Volgens gegevens van Google DeepMind, de afdeling van Google die zich bezighoudt met projecten op het gebied van kunstmatige intelligentie, zal GraphCast voor de komende tien dagen weersvoorspellingen kunnen doen die voor 90% accuraat zijn. En ze in slechts 60 seconden verstrekken.
Is kunstmatige intelligentie de toekomst van weersvoorspellingen?
Pexels
Het is niet eenvoudig om weersvoorspellingen tot tien dagen in de toekomst uit te breiden, zonder de betrouwbaarheid ervan in gevaar te brengen. En de technici van DeepMind die aan Google GraphCast werken, weten dit maar al te goed. Als het op AI gebaseerde weersvoorspellingssysteem de huidige resultaten bevestigt, zou dit een baanbrekend keerpunt op meteorologisch gebied kunnen zijn. Het belangrijkste is niet alleen de voorspelling van de weersomstandigheden over drie dagen, of vanaf nu over een week. Vanuit dit gezichtspunt lijkt het voorspellen van extreme gebeurtenissen, zoals tropische cyclonen en klimaatverandering, veel belangrijker.
Als het werkt, zal de implementatie van Google GraphCast niet alleen de huidige weersvoorspellingsmethoden verbeteren, maar ook hulpmiddelen bieden om effectiever te anticiperen op extreme klimaatgebeurtenissen. In de praktijk vertegenwoordigt kunstmatige intelligentie een nieuwe sleutel tot het begrijpen van de sector van weersvoorspellingen en daarbuiten.
Het is niet alles goud wat er blinkt: de beperkingen van Google GraphCast
Pexels
In hun onderzoek prijzen de onderzoekers van Google DeepMind de voordelen van kunstmatige intelligentie en Google GraphCast. Zij zijn echter ook de eersten die wijzen op enkele beperkingen ervan. De nieuwe methode, zo beweert het onderzoeksteam, pakt de onzekerheid in weersvoorspellingen niet aan, vooral niet in extreme scenario's. Bovendien waren de huidige tests gebaseerd op specifieke voorspellingen en vergelijkingen met HRES, de traditionele methode om het weer te voorspellen. Kortom: GraphCast kan zich nog niet meten met de onzekerheid van de weersomstandigheden in de echte wereld.
Hoewel het zich aansluit bij andere weersvoorspellingstechnologieën van Google, zoals Nowcasting en MetNet-3, is GraphCast constitutief anders. Het wijdverbreide gebruik van kunstmatige-intelligentiemodellen, de ambitie en de reikwijdte van het project maken het uniek in het wetenschappelijke panorama. Tegelijkertijd zijn ook de beperkingen van de technologie heel belangrijk en zullen op termijn opgelost moeten worden. Het risico is dat je niet kunt rekenen op een geavanceerd instrument om het weer te voorspellen, maar alleen op het zoveelste instrument volgens welke het morgen zal regenen. En dan regent het niet.
