AI-revolutie in weersvoorspelling? Zo werkt Aardvark Weather.

Zetten we supercomputers binnenkort bij het groot vuil? Sneller, goedkoper en draaiend op de desktop, dat beloven weermodellen op basis van kunstmatige intelligentie. Er roert heel wat in de wereld van het weer. Niets of niemand is veilig voor de vloedgolf aan AI-oplossingen. Aardvark Weather is zo’n nieuw AI-weermodel. Maar is het werkelijk een totaaloplossing?

Aardvark Weather is ontwikkeld door een robuust consortium aan instituten, geleid door de Universiteit van Cambridge en in samenwerking met het Alan Turing Instituut, Microsoft Research en het ECMWF (European Centre for Medium-Range Weather Forecasts).

AI-gestuurde weersvoorspelling klinkt heel mooi en dat is het ook. AI kan zeker een waardevolle bijdrage leveren en op maat gemaakte oplossingen bieden. We kijken even naar wat zowel traditionele als AI-gestuurde systemen doen.

• Betrouwbaarheid 10 dagen van een weersvoorspelling.

Numerieke modellen vs machine-learning

Conventionele weerkaarten worden op basis van complexe numerieke modellen gegenereerd, gebaseerd op fysica. Dat neemt uren aan rekentijd in beslag en vergt krachtige supercomputers. Aardvark Weather daarentegen produceert nauwkeurige voorspellingen binnen enkele minuten met een beperktere rekenkracht.

Aardvark is een alternatief voor de hele traditionele voorspellingsprocedure: één enkel machinelearning-model genereert zowel wereldwijde als lokale voorspellingen. (In de praktijk echter wordt Aardvark gecombineerd met bestaande modellen.)

• Nieuwe weerpluim met AI.

Wat is machinelearning ook alweer? Het is een tak van kunstmatige intelligentie waarbij computers gevoed worden door data en daarvan leren, zonder dat er programmatie aan te pas komt. Algoritmen analyseren patronen en maken voorspellingen op basis van eerdere voorbeelden. Modellen kunnen zich zo automatisch verbeteren en aanpassen aan nieuwe informatie (ze ‘leren’).

• Wat is de maximale voorspelbaarheid van het weer?
• Of spreken we eerder van de (on)voorspelbaarheid van het weer?

AI en traditionele weersvoorspelling: verschillen

Traditionele weersvoorspellingssystemen zijn gebaseerd op complexe fysicamodellen die atmosferische processen simuleren, zoals instraling, luchtstromen, temperatuurveranderingen en vochtigheid. Deze modellen zijn ingewikkeld en vragen enorme hoeveelheden rekenkracht. Zelfs met geoptimaliseerde methoden zoals hybride modellen die AI integreren, blijven ze traag en duur.

Aardvark breekt met deze aanpak door volledig op AI te vertrouwen. In plaats van elk van de drie klassieke stappen afzonderlijk te processen, zoals gegevensverzameling, modellering en analyse, combineert Aardvark alles in één gestroomlijnde procedure. Het systeem leert snel van de inkomende data, zoals satellietbeelden en metingen van weerstations. Er worden direct nauwkeurige voorspellingen gemaakt.

Aardvark blijkt beter te presteren dan bestaande methoden op vele variabelen (maar niet allemaal), zelfs wanneer slechts 10% van de gebruikelijke gegevens wordt ingevoerd. Het systeem kan ook gemakkelijk worden aangepast voor specifieke toepassingen, zoals voorspellingen voor landbouw in Afrika, windenergie in Europa en bij noodweer zoals orkanen, bosbranden en luchtkwaliteit.

Voor- en nadelen van AI-modellen in weersvoorspelling

Hierboven hebben we reeds de rekensnelheid vermeld, die zeer nuttig kan zijn bij noodweer als snelle beslissingen moeten worden genomen. De kost is lager omdat supercomputers niet nodig zijn. Het model kan op een desktop draaien. Het leervermogen (machinelearning) stelt AI-gestuurde weersvoorspelling in staat om voor specifieke toepassingen getraind te worden.

De echte, belangrijke implicaties hiervan zijn dat AI-modellen democratischer en toegankelijker worden in landen met lagere budgetten zoals in Afrika waar men niet over de nodige middelen beschikt. Particulieren kunnen als het ware een AI-weerssysteem op de computer thuis runnen.

Zwarte doos? Uitdagingen van AI in weersvoorspelling.

Het bovenstaande plaatje is heel mooi. Maar is het te mooi om waar te zijn? Er zijn nog verschillende uitdagingen waardoor de traditionele manier van weersvoorspelling nog lang niet overbodig is.

AI-modellen zijn slechts zo goed als de gegevens waarmee ze worden gevoed. Onvolledige of vertekende invoergegevens creëren een risico op onnauwkeurigheden. Traditionele modellen zijn gebaseerd op natuurkundige principes, waardoor vreemde resultaten of anomalieën goed te interpreteren zijn. AI-modellen, daarentegen, werken als een “zwarte doos”. De onderliggende mechanismen van een fenomeen zijn soms moeilijk te begrijpen.

• Het kan niet gekker: sneeuw in Brazilië en recordkou in Zuid-Afrika.

AI bij onverwacht weersscenario?

Overfitting is nog zo’n begrip. Als een model te specifiek getraind is op historische data (en niet op robuuste natuurkundige modellen), kan het falen bij onverwachte weersomstandigheden of veranderende klimaatomstandigheden (uiteraard wordt hier aan gewerkt).

Dat is een zeer belangrijk, niet te onderschatten punt. We leven in een wereld van klimaatverandering waarbij zich vreemde en ongewone weerscenario’s voordoen. Een traditioneel model, dat de wetten van de fysica en de meteorologie volgt, kan dit correct voorspellen, maar een AI-model dat nog niet op een onverwachte gebeurtenis getraind is, kan de bal misslaan.  

De makers van Aardvark Weather benadrukken dat om bovenstaande redenen samenwerking tussen wetenschappers, ingenieurs en beleidsmakers essentieel is. Dat is bij Aardvark het geval, het wordt gerund door een ideale combinatie tussen de onderzoekswereld en de industrie.

Toekomst van weersvoorspelling

Als modellen zoals Aardvark naar de toekomst toe bewijzen dat ze even betrouwbaar zijn als conventionele weermodellen, kunnen ze inderdaad een revolutie teweegbrengen. Vooral in ontwikkelingslanden kan dit een grote stap vooruit betekenen.

• Noodweer in de toekomst: van klimaatmodel tot impact.

Maar door het risico op onnauwkeurigheden bij AI en de grilligheden veroorzaakt door klimaatverandering, is het in ons belang dat de supercomputers wel nog hun werk blijven doen. AI-modellen worden daarom ideaal in combinatie met conventionele methoden toegepast.

Het is zeer voorbarig om nu al te zeggen dat AI de bestaande systemen ooit volledig kan vervangen. Het is veel waarschijnlijk dat beide opties samen zullen worden gebruikt als een hybride-oplossing. Kortom, de supercomputers hoeven nog lang niet naar de container.

Bron: SciTechDaily, Alan Turing Institute. Uitgelichte afbeelding: Aardvarken en weerkaart gegeneerd met ChatGPT (2025) door K. Bonne.