<\/p>\n
De National Hurricane Center (Amerikaans) 5-daagse, ECMWF (Europees) en GraphCast-modellen van 1 juli 2024 om 20:00 uur Eastern Time. Alle tijden op de kaart zijn Eastern Time.<\/p>\n
Door William B. Davis<\/p>\n<\/p><\/div>\n<\/div><\/div>\n<\/figure>\n
Begin juli, toen orkaan Beryl over het Caribisch gebied raasde, meldde een toonaangevend Europees weeragentschap voorspelde<\/a> een reeks laatste landingen, waarschuwend dat Mexico het meest waarschijnlijk was. De waarschuwing was gebaseerd op wereldwijde observaties door vliegtuigen, boeien en ruimtevaartuigen, die kamergrote supercomputers vervolgens omzetten in voorspellingen.<\/p>\n Diezelfde dag lieten experts software voor kunstmatige intelligentie draaien op een veel kleinere computer voorspelde<\/a> landval in Texas. De voorspelling baseerde zich op niets meer dan wat de machine eerder had geleerd over de atmosfeer van de planeet.<\/p>\n Vier dagen later, op 8 juli, orkaan Beryl in Texas gesmeten<\/a> met dodelijke kracht, waardoor wegen overstroomden, waarbij minstens 36 mensen omkwamen<\/a> en miljoenen inwoners zonder stroom kwamen te zitten. In Houston sloegen de hevige winden bomen tegen huizen, waarbij minstens twee slachtoffers omkwamen.<\/p>\n Een samengestelde satellietfoto van orkaan Beryl die op 8 juli de kust van Texas nadert.<\/p>\n NOAA, via Europees Persagentschap, via Shutterstock<\/p>\n<\/p><\/div>\n<\/div><\/div>\n<\/figure>\n De voorspelling van Texas biedt een kijkje in de opkomende wereld van AI-weersvoorspellingen, waarin een groeiend aantal slimme machines toekomstige wereldwijde weerpatronen met nieuwe snelheid en nauwkeurigheid anticipeert. In dit geval was het experimentele programma GrafiekCast<\/a>gemaakt in Londen door DiepeGeest<\/a>een Google-bedrijf. Het doet in minuten en seconden wat ooit uren duurde.<\/p>\n \u201cDit is een heel opwindende stap\u201d, zei Mattheus Chantry<\/a>een AI-specialist bij de Europees Centrum voor Weersvoorspellingen op de Middellange Termijn<\/a>het bureau dat werd overtroffen met zijn Beryl-voorspelling. Gemiddeld, voegde hij toe, kunnen GraphCast en zijn slimme neven zijn bureau overtreffen in het voorspellen van orkaanpaden.<\/p>\n Over het algemeen kan supersnelle AI uitblinken in het signaleren van naderende gevaren, aldus Christopher S. Bretherton<\/a>emeritus hoogleraar atmosferische wetenschappen aan de Universiteit van Washington. Voor verraderlijke hitte, wind en stortbuien, zei hij, zullen de gebruikelijke waarschuwingen “meer up-to-date zijn dan nu”, en ontelbare levens redden.<\/p>\n Snelle AI-weersvoorspellingen zullen ook bijdragen aan wetenschappelijke ontdekkingen, aldus Amy McGovern<\/a>hoogleraar meteorologie en computerwetenschappen aan de Universiteit van Oklahoma, die leiding geeft aan een AI weerinstituut<\/a>Ze zei dat weerspeurders nu AI gebruiken om duizenden subtiele variaties in de voorspelling te cre\u00ebren, waarmee ze onverwachte factoren kunnen vinden die extreme gebeurtenissen zoals tornado’s kunnen veroorzaken.<\/p>\n “Het laat ons zoeken naar fundamentele processen,” zei Dr. McGovern. “Het is een waardevol hulpmiddel om nieuwe dingen te ontdekken.”<\/p>\n Belangrijk is dat de AI-modellen kunnen draaien op desktop computers<\/a>Hierdoor is de technologie veel gemakkelijker te implementeren dan de supercomputers ter grootte van een kamer die nu de wereld van wereldwijde voorspellingen beheersen.<\/p>\n Achtergelaten voertuigen onder een viaduct in Sugar Land, Texas, op 8 juli.<\/p>\n Brandon Bell\/Getty Images<\/p>\n<\/p><\/div>\n<\/div><\/div>\n<\/figure>\n “Het is een keerpunt”, zei Maria Molina<\/a>een onderzoeksmeteoroloog aan de University of Maryland die AI-programma’s voor extreme-eventvoorspellingen bestudeert. “Je hebt geen supercomputer nodig om een \u200b\u200bvoorspelling te genereren. Je kunt het op je laptop doen, wat de wetenschap toegankelijker maakt.”<\/p>\n Mensen vertrouwen op nauwkeurige weersvoorspellingen om beslissingen te nemen over zaken als hoe ze zich moeten kleden, waar ze naartoe moeten reizen en of ze een zware storm moeten ontvluchten.<\/p>\n Toch blijken betrouwbare weersvoorspellingen buitengewoon moeilijk te bereiken. Het probleem is de complexiteit. Astronomen kunnen de paden van de planeten in het zonnestelsel voor de komende eeuwen voorspellen, omdat \u00e9\u00e9n enkele factor hun bewegingen domineert: de zon en zijn immense zwaartekracht.<\/p>\n Daarentegen ontstaan \u200b\u200bde weerpatronen op aarde door een oproer van factoren. De kantelingen, de spins, de wiebelingen en de dag-nachtcycli van de planeet veranderen de atmosfeer in turbulente wervelingen van wind, regen, wolken, temperaturen en luchtdruk. Erger nog, de atmosfeer is inherent chaotisch<\/a>Op zichzelf, zonder externe prikkels, kan een bepaalde zone snel van stabiel naar grillig gaan.<\/p>\n Als gevolg hiervan kunnen weersvoorspellingen na een paar dagen mislukken, en soms na een paar uur. De fouten groeien naarmate de voorspelling langer wordt \u2014 wat vandaag kan verlengd worden met 10 dagen<\/a>omhoog van drie dagen een paar decennia geleden. De langzame verbeteringen komen voort uit upgrades van de wereldwijde observaties en de supercomputers die de voorspellingen doen.<\/p>\n Niet dat supercomputerwerk makkelijk is geworden. De voorbereidingen vergen vaardigheid en moeite. Modelbouwers bouwen een virtuele planeet die doorkruist wordt door miljoenen data-leegtes en vullen de lege ruimtes met actuele weerswaarnemingen.<\/p>\n Dr. Bretherton van de University of Washington noemde deze input cruciaal en enigszins improviserend. “Je moet data van veel bronnen mengen tot een gok naar wat de atmosfeer op dit moment doet,” zei hij.<\/p>\n De knoopige vergelijkingen van Vloeistofmechanica<\/a> en zet de gemengde observaties om in voorspellingen. Ondanks de enorme kracht van supercomputers, kan het berekenen van de cijfers een uur of langer duren. En natuurlijk moeten de voorspellingen worden bijgewerkt als het weer verandert.<\/p>\n De AI-aanpak is radicaal anders. In plaats van te vertrouwen op actuele metingen en miljoenen berekeningen, put een AI-agent uit wat hij heeft geleerd over de oorzaak-en-gevolgrelaties die het weer op de planeet bepalen.<\/p>\n Over het algemeen is de vooruitgang het gevolg van de voortdurende revolutie in machinaal leren<\/a> \u2014 de tak van AI die nabootst hoe mensen leren. De methode werkt met groot succes omdat AI blinkt uit in patroonherkenning<\/a>. Het kan snel door bergen informatie heen sorteren en ingewikkeldheden ontdekken die mensen niet kunnen onderscheiden. Dit heeft geleid tot doorbraken in spraakherkenning, medicijnontdekking, computer vision en kankerdetectie.<\/p>\n Bij weersvoorspellingen leert AI over atmosferische krachten door het scannen van repositories van echte observaties. Vervolgens identificeert het de subtiele patronen en gebruikt die kennis om het weer te voorspellen, en dat met opmerkelijke snelheid en nauwkeurigheid.<\/p>\n Onlangs heeft het DeepMind-team dat GraphCast heeft gebouwd won<\/a> De belangrijkste Britse ingenieursprijs, uitgereikt door de Royal Academy of Engineering. Sir Richard Vriend<\/a>een natuurkundige aan de Universiteit van Cambridge die de jury leidde, prees het team voor wat hij een \u201crevolutionaire vooruitgang\u201d noemde.<\/p>\n In een interview, Remi Lam<\/a>De hoofdwetenschapper van GraphCast zei dat zijn team het AI-programma had getraind op vier decennia aan wereldwijde weerswaarnemingen die waren verzameld door het Europese voorspellingscentrum. “Het leert direct van historische gegevens”, zei hij. In seconden, voegde hij toe, kan GraphCast een 10-daagse voorspelling produceren waar een supercomputer meer dan een uur over zou doen.<\/p>\n Dr. Lam zei dat GraphCast het beste en snelst werkte op computers ontworpen voor AI<\/a>maar zou ook op desktops en zelfs laptops kunnen werken, hoewel langzamer.<\/p>\n In een reeks tests, zo meldde Dr. Lam, presteerde GraphCast beter dan het beste voorspellingsmodel van het European Center for Medium-Range Weather Forecasts in meer dan 90 procent van de gevallen. “Als je weet waar een cycloon naartoe gaat, is dat heel belangrijk”, voegde hij toe. “Het is belangrijk om levens te redden.”<\/p>\n Een beschadigd huis in Freeport, Texas, na de orkaan.<\/p>\n Brandon Bell\/Getty Images<\/p>\n<\/p><\/div>\n<\/div><\/div>\n<\/figure>\n In antwoord op een vraag zei Dr. Lam dat hij en zijn team computerwetenschappers waren, geen experts op het gebied van cyclonen, en dat ze niet hadden onderzocht hoe nauwkeurig de voorspellingen van GraphCast voor orkaan Beryl waren in vergelijking met andere voorspellingen.<\/p>\n Maar DeepMind, zo voegde hij toe, heeft wel een onderzoek gedaan naar orkaan Lee, een Atlantische storm die in september <\/a>beschouwd als<\/a> mogelijk New England of, verder naar het oosten, Canada bedreigen. Dr. Lam zei dat de studie aantoonde dat GraphCast drie dagen voordat de supercomputers tot dezelfde conclusie kwamen, vastliep op de landingsplaats in Nova Scotia.<\/p>\n Onder de indruk van dergelijke prestaties omarmde het Europese centrum onlangs GraphCast en AI-voorspellingsprogramma’s van Nvidia<\/a>, Huawei<\/a> En Fudan Universiteit<\/a> in China. Op haar website staat nu beeldschermen<\/a> wereldwijde kaarten van zijn AI-testen, inclusief de bereik van padvoorspellingen<\/a> die de slimme machines maakten voor orkaan Beryl op 4 juli.<\/p>\n De door DeepMind’s GraphCast voorspelde route, op de kaart van 4 juli aangeduid als DMGC, laat zien dat Beryl aan land komt in de regio van Corpus Christi, Texas, niet ver van de plek waar de orkaan daadwerkelijk toesloeg.<\/p>\n Dr. Chantry van het Europese centrum zei dat de instelling de experimentele technologie zag als een vast onderdeel van wereldwijde weersvoorspellingen, inclusief voor cyclonen. Een nieuw team, voegde hij toe, bouwt nu voort op “het geweldige werk” van de experimentalisten om een \u200b\u200boperationeel AI-systeem voor het agentschap te cre\u00ebren.<\/p>\n De adoptie ervan, zei Dr. Chantry, zou binnenkort kunnen gebeuren. Hij voegde er echter aan toe dat de AI-technologie als een reguliere tool zou kunnen co\u00ebxisteren met het legacy forecasting-systeem van het centrum.<\/p>\n Dr. Bretherton, nu teamleider bij de Allen Instituut voor AI<\/a> (opgericht door Paul G. Allen, een van de oprichters van Microsoft), zei dat het Europese centrum werd beschouwd als ‘s werelds beste weerbureau omdat vergelijkende tests regelmatig hebben aangetoond dat de voorspellingen alle anderen overtreffen in nauwkeurigheid. Als gevolg daarvan, voegde hij toe, heeft de interesse in AI ervoor gezorgd dat de wereld van meteorologen “hiernaar kijkt en zegt: ‘H\u00e9, we moeten dit evenaren.'”<\/p>\n Volgens weerexperts zullen de AI-systemen de supercomputeraanpak waarschijnlijk aanvullen, omdat elke methode zijn eigen specifieke sterke punten heeft.<\/p>\n “Alle modellen zijn tot op zekere hoogte fout,” zei Dr. Molina van de University of Maryland. De AI-machines, voegde ze toe, “kunnen de orkaanroute misschien wel goed krijgen, maar hoe zit het met regen, maximale wind en stormvloed? Er zijn zoveel verschillende effecten” die betrouwbaar voorspeld en zorgvuldig beoordeeld moeten worden.<\/p>\n Toch merkte Dr. Molina op dat AI-wetenschappers zich haastten om artikelen te publiceren die aantonen nieuwe voorspellingsvaardigheden<\/a>“De revolutie gaat door,” zei ze. “Het is wild.”<\/p>\n