AI-technologie verslaat supercomputers in razendsnelle weersverwachtingen

Het Aurora model

Vorige maand heeft Microsoft het Aurora AI model gelanceerd. Het is een model van de atmosfeer van de aarde dat gebruikt kan worden voor snellere weersvoorspellingen dan de klassieke weermodellen. Aurora is getraind met meer dan een miljoen uur data van zes verschillende weer- en klimaatsimulaties, waardoor het vertrouwd is geraakt met de veranderende atmosferische processen en het interpreteren daarvan. Naast een mondiale 10-daagse weersverwachting op hoge resolutie, genereert het model een voorspelling van de luchtverontreiniging.

Sneller en minstens zo goed

Tot nu toe worden weersverwachtingen van Aurora wel 5000 keer sneller gegenereerd dan dat van huidige weermodellen. Ook geeft het model over 74% van de variabelen betere verwachtingen dan de beste numerieke weermodellen, zoals het ECMWF.

Het model heeft een 5-daagse voorspelling voor de wereldwijde luchtvervuiling in minder dan een minuut gegenereerd en deze zijn nauwkeuriger dan de voorspellingen van het Copernicus Atmosphere Monitoring Service (CAMS). Het voorspelt de wereldwijde niveau’s van de zes belangrijkste luchtverontreinigende stoffen: koolmonoxide, stikstofoxide, stikstofdioxide, zwaveldioxide, ozon en fijnstof.

Voorspellingen voor de totale hoeveelheid stikstofdioxide door Aurora (boven) en CAMS (onder). Bron: Microsoft Research Blog

Praktijktest

Om de nauwkeurigheid van Aurora te testen, heeft het onderzoeksteam storm Ciarán voorspeld met het model. Deze storm van november vorig jaar bleek een uitzonderlijk zeldzame meteorologische gebeurtenis toen het in Engeland nieuwe records vestigde. De huidige weermodellen hadden de intensiteit van de storm onderschat. Hoewel andere AI modellen de extreme windsnelheden en snelle versterking niet konden voorspellen, produceerde Aurora betere resultaten. Dit valt te wijten aan de trainings- en verfijningsfasen, waarbij een grote hoeveelheid gegevens voor een betere dekking zorgt van extremen.

De verschillen tussen Aurora en GraphCast

Het Aurora model presteert bij sommige taken beter dan andere AI-weermodellen, zoals GraphCast van Google Deepmind. GraphCast staat hoog aangeschreven omdat het beter presteert dan numerieke modellen en binnen enkele minuten weersvoorspellingen kan doen. Daar tegenover werd Aurora getraind met een meer diverse trainingsdataset en werkt het met een hogere resolutie (0,1 graden vs. 0,25 graden van GraphCast), waardoor de voorspellingen met grotere precisie kunnen worden gemaakt. In een vergelijkend onderzoek presteerde Aurora op meer dan 91% van de doelen beter dan GraphCast. Een verschil tussen de modellen is de multifunctionaliteit: GraphCast wordt uitsluitend gebruikt voor weersvoorspellingen, terwijl het basismodel Aurora kan worden gebruikt voor voorspellingen en analyses van het weer, de luchtverontreiniging en klimaatverandering.

In de toekomst alleen nog maar AI weermodellen?

Modellen op basis van kunstmatige intelligentie zijn veelbelovend en hebben veel potentieel om in de toekomst een cruciale rol te spelen in weer- en klimaatvoorspellingen. Het is niet waarschijnlijk dat de numerieke modellen, gecodeerd op basis van de fysica achter de processen, geheel vervangen gaan worden door AI modellen. Een toekomst waarbij de numerieke en AI modellen naast elkaar bestaan en elkaar aanvullen, ligt meer voor de hand.

Kunstmatige intelligentie biedt de mogelijkheid om de voorspellingen te verbeteren, maar het simuleren van de fysica binnen de numerieke modellen blijft essentieel. De modellen gebaseerd op natuurkunde blijven de kern van het voorspellingssysteem en daarbij worden getrainde systemen ingezet om de efficiëntie te versnellen en waarde toe te voegen.