WeatherNext: AI voor verbeterde orkaanvoorspelling

Vijf dagen voordat orkaan Melissa aan land kwam in Jamaica, wees één enkele voorspelling op een scherpe escalatie: een naderende storm van categorie 5, terwijl Melissa op dat moment categorie 1 was. Meteorologen waren verdeeld. Het model niet.

Dat model is WeatherNext, een samenwerking tussen Google DeepMind en Google Research, ontwikkeld met input van internationale instellingen waaronder het Amerikaanse Nationaal Orkaancentrum en het Britse Met Office. Het werd als open-source software vrijgegeven, getraind op bijna 20 terabyte aan wereldwijde atmosferische gegevens plus decennia aan gearchiveerde klimaatrecords uit internationale repositories. Het resultaat is een AI-systeem dat de koers van een cycloon en zijn ruwe kracht als één verbonden puzzel behandelt.

Waarom is dat belangrijk? Omdat het voorspellen van de koers van een storm en het voorspellen van de intensiteit meestal door verschillende teams en met verschillende modellen wordt gedaan. Het ene model kijkt naar windschaal op planetaire schaal om een route te bepalen. Het andere zoomt in op het oog van de storm om thermodynamica en kleinschalige processen te modelleren. Beide onderdelen samenvoegen was een aanhoudende uitdaging. WeatherNext brengt ze samen.

Het praktische voordeel is direct. Op Google's neurale verwerkingshardware wordt een volledige 15-daagse voorspelling in minder dan 60 seconden gegenereerd. Zo'n snelle doorlooptijd maakt het haalbaar om grote ensembles te genereren - niet één deterministische uitkomst, maar honderden of duizenden plausibele toekomstscenario's - en die te vertalen naar probabilistische gevarenkaarten waarop hulpverleners kunnen sturen.

WeatherNext belooft geen zekerheid. Het ruilt de illusie van zekerheid in voor een spectrum aan mogelijkheden. Dat is opzettelijk. Om het vlindereffect te temmen - waarbij kleine meetfouten uitgroeien tot grote verschillen in de voorspelling - construeert het model nu tot 1.000 gelijktijdige scenario's voor elke storm. Dat is een dramatische sprong ten opzichte van de ruwweg 50-scenario ensembles van vorig jaar, en het verandert de manier waarop voorspellers risico interpreteren.

Een extra dag betrouwbare waarschuwing is niet abstract: het koopt tijd voor evacuaties, logistiek en levensreddende beslissingen.

Operationele tests vertellen een duidelijk verhaal. Tijdens Melissa, toen conventionele systemen het oneens waren over de koers, signaleerde WeatherNext met ongeveer 80% vertrouwen dat de cycloon zou intensiveren en Jamaica als een zware storm zou treffen, dagen voor de landfall. Zulke vroege, geïntegreerde voorspellingen zetten onzekerheid om in bruikbare planning.

Er zijn technische subtiliteiten. Het model mengt dynamische context op globale schaal met lokale intensiteitsdrijfveren met behulp van machine learning-architecturen die geoptimaliseerd zijn op enorme historische datasets. Het levert vervolgens probabilistische distributies van zowel positie als sterkte, waardoor voorspellers niet alleen kunnen inschatten waar een storm heen kan gaan, maar ook hoe hevig die zal zijn als hij daar aankomt.

Uitgevers en vakgenoten hebben het opgemerkt: het onderzoek verschijnt in Nature, en het team heeft de modelcode en gewichten open-source gemaakt op GitHub, en nodigt nationale meteorologische diensten, academische groepen en ngo's uit tot onafhankelijke validatie en operationele experimenten. Die openheid kan verbeteringen versnellen en regio-specifieke afstemming bevorderen waar data en behoeften verschillen.

Zal WeatherNext traditionele modellen vervangen? Niet van de ene op de andere dag. Numerieke weervoorspelling vormt nog steeds de basis van veel voorspellingen. Maar die ruggengraat combineren met AI-gestuurde ensembles en snelheid verandert de werkstroom. Noodplanners krijgen eerdere, meer genuanceerde waarschuwingen. Onderzoekers krijgen een gedeeld platform om faalmodi en vooringenomenheden te onderzoeken. Gemeenschappen krijgen tijd - en soms is dat het verschil tussen verstoring en catastrofe.

Houd de repository in de gaten. Houd de voorspellingen in de gaten. Het volgende seizoen zal uitwijzen of deze mix van schaal, snelheid en probabilistisch denken de nieuwe norm wordt voor cycloonvoorspelling.