Wetenschappers gebruiken AI om het weer te voorspellen tijdens de Olympische Spelen van Parijs in 2024

Tijdens de Olympische Spelen van 2024 in Parijs stond het onvoorspelbare weer van de stad centraal. Het begon met een stortbui tijdens de openingsceremonie, waarbij meer dan 10.000 deelnemende atleten nat werden, en de daaropvolgende regenval heeft wedstrijden in skateboarden en tennis uitgesteld. Nu bereiden de zomerspelen zich voor op een hittegolf in zowel Parijs als de stad Marseille, waar wedstrijden in voetbal en zeilen worden gehouden.

Een handvol meteorologische diensten en universiteiten gebruiken de Olympische Spelen van dit jaar om onderzoek naar weersvoorspellingen te bevorderen. Deze teams omvatten een groep onderzoekers die AI-tools gebruiken om voorspellingen te ondersteunen aan de University of Texas (UT) in Austin. Onder leiding van UT Austin-professor Dev Niyogi en postdoctoraal onderzoeker Manmeet Singh, gebruikt het onderzoekslab machine learning om zich te richten op weersomstandigheden op een kleinere “stadsschaal” van 1 kilometer bij 1 kilometer of minder, waarbij gegevens worden gehaald uit grote modellen die doorgaans weer bieden op een schaal van ongeveer 25 kilometer bij 25 kilometer. “We proberen steden en buurten van steden te vertegenwoordigen in weersvoorspellingen”, vertelde Niyogi aan Observer.

Naast het meten van traditionele indicatoren zoals regenkans, windsnelheid, temperatuur en vochtigheid in hun dagelijkse voorspellingen, gebruiken de onderzoekers van UT Austin de dataset met wereldwijde gebouwhoogtes van hun lab om meer gespecialiseerde resultaten te behalen, zoals thermisch comfort, dat warmteomstandigheden meet en rekening houdt met factoren zoals schaduw die wordt geboden door nabijgelegen gebouwen en bomen. De inspanningen van het team, waarvoor aanzienlijke computerkracht nodig is, worden ondersteund door computersystemen in het Texas Advanced Computing Center van de universiteit.

Naast ongeveer een half dozijn voorspellingen van organisaties, waaronder de nationale weerdiensten van de VS, het VK, Duitsland en Zweden, worden de dagelijkse voorspellingen van het UT Austin-team naar Olympische officials gestuurd als onderdeel van een onderzoeksdemonstratieproject dat wordt ondersteund door de Wereld Meteorologische Organisatie (WMO). Als aanvulling op een reguliere voorspelling van Météo-France, de officiële Franse meteorologische vereniging, verstrekken de projectdeelnemers geen officiële voorspellingen. Toch kunnen hun resultaten worden gedeeld met organisatoren die de informatie naar eigen inzicht kunnen gebruiken.

Het doel van het project is om te begrijpen “welke soorten methoden of benaderingen wel of niet werken, zodat ze ons in de toekomst kunnen helpen bij het ontwikkelen van modellen die wellicht gebruikt kunnen worden bij de volgende Olympische Spelen,” zei Niyogi. We gebruiken de spelen als een middel om ons begrip te verbeteren – dit is machine learning dat helpt bij het daadwerkelijke leren.”

Het opkomende potentieel van AI bij weersvoorspellingen

Weersvoorspellingen blijken steeds meer potentie te hebben als een gebied waarin snelle vooruitgang kan worden geboekt met behulp van AI. Een nieuw model onder leiding van Google (GOOGL) dat bekendstaat als Neural GCM, combineert AI en conventionele, op natuurkunde gebaseerde modellen om sneller voorspellingen te doen dan traditionele weersvoorspellingsmodellen en is nauwkeuriger dan modellen die alleen op AI zijn gebaseerd, zo blijkt uit een recent onderzoek van Nature.

De afgelopen jaren hebben technologiebedrijven over de hele wereld geïnvesteerd in de ontwikkeling van AI-tools voor weersvoorspellingen. Vorig jaar zeiden Google, Microsoft (MSFT), Nvidia (NVDA) en het Chinese Huawei dat de prestaties van hun AI-weermodellen vergelijkbaar zijn met een gerespecteerd Europees model dat wordt uitgevoerd door het European Centre for Medium-Range Weather Forecasts (ECMWF), een bewering die door het ECMWF werd bevestigd. En eerder deze maand voorspelde het voorspellingssysteem GraphCast van Google DeepMind correct dat orkaan Beryl in Texas zou landen.

Volgens Niyogi zal de toekomst van weersvoorspellingen een hybride zijn van AI-gebaseerde modellen en fysica- en dynamiekgebaseerde modellen, waarvan de laatste het “DNA en de ruggengraat” van weersvoorspellingen blijft. “De combinatie van dynamiekgebaseerde modellen met AI is waar het veld naartoe gaat”, zei hij. “In de toekomst zal het niet het een of het ander zijn; het zal het een met het ander zijn.”