GenCast: De toekomst van het klimaat is hier! 🤖🌦
GenCast, een nieuw AI-model van Google DeepMind, is nauwkeurig genoeg om te concurreren met traditionele weersvoorspellingen. In tests met gegevens uit 2019 presteerde het beter dan een toonaangevend voorspellingsmodel, volgens recent gepubliceerd onderzoek. 🌦️✨
AI zal de traditionele meteorologie niet snel vervangen, maar het kan waardevolle hulpmiddelen toevoegen aan het voorspellen van het weer en het waarschuwen van het publiek voor zware stormen. GenCast is een van de vele AI-modellen in ontwikkeling wat kan leiden tot nauwkeurigere voorspellingen. 🤖⛈️
GenCast es uno de varios modelos de previsión del tiempo basados en IA que podrían ofrecer pronósticos más precisos 🌍💡
“Het klimaat beïnvloedt vrijwel elk aspect van ons leven… en het is ook een van de grootste wetenschappelijke uitdagingen "Voorspel het", zegt Ilan Price, senior wetenschapper bij DeepMind. "Google DeepMind heeft een missie om AI bevorderen ten behoeve van van de mensheid. Ik denk dat dit een belangrijke manier is, een belangrijke bijdrage in dat opzicht." 🌈📊
Price en zijn team voerden testen uit met GenCast tegen het ENS-systeem, een van 's werelds meest geavanceerde voorspellingsmodellen, beheerd door het Europees Centrum voor Weersvoorspellingen op de Middellange Termijn (ECMWF). GenCast superó al ENS en un 97.2% de las veces, de acuerdo con la investigación publicada esta semana en la revista Natuur. 📈🧐
GenCast is een op machine learning gebaseerd weersvoorspellingsmodel, getraind met klimaatgegevens van 1979 tot 2018. Dit model leert patronen herkennen in vier decennia aan historische data en gebruikt die informatie om te voorspellen wat er in de toekomst zou kunnen gebeuren. Dit verschilt aanzienlijk van de manier waarop traditionele modellen zoals het ENS werken, die nog steeds afhankelijk zijn van supercomputers om complexe vergelijkingen op te lossen en de fysica van de atmosfeer te simuleren. Zowel GenCast als het ENS produceren voorspellingen als geheel, die een verscheidenheid aan mogelijke scenario's bieden. 🌌🌪️
Bij het voorspellen van bijvoorbeeld het pad van een tropische cycloon kan GenCast gemiddeld 12 uur van tevoren waarschuwen. GenCast is over het algemeen beter in het voorspellen van cycloonpaden, extreme weersomstandigheden en windenergieproductie tot 15 dagen van tevoren. 🌪️⏳
Een GenCast-ensemblevoorspelling toont een reeks mogelijke stormroutes voor tyfoon Hagibis. De precieze routes worden nauwkeuriger naarmate de cycloon de kust van Japan nadert.
Afbeelding: Google
Eén kanttekening is dat GenCast is getest tegen een oudere versie van de ENS, die nu op een hogere resolutieHet peer-reviewed onderzoek vergelijkt de voorspellingen van GenCast met de ENS-prognoses voor 2019 en analyseert hoe goed elk model overeenkwam met de werkelijke omstandigheden van dat jaar. Volgens Matt Chantry, coördinator Machine Learning bij ECMWF, is het ENS-systeem sinds 2019 aanzienlijk verbeterd, waardoor het moeilijk is om te beoordelen hoe GenCast zich verhoudt tot ENS vandaag de dag.
Het is duidelijk dat resolutie niet de enige belangrijke factor is bij het doen van solide voorspellingen. ENS werkte in 2019 al met een iets hogere resolutie dan GenCast, maar toch presteerde GenCast nog steeds beter. DeepMind beweert vergelijkbare studies te hebben uitgevoerd met data uit 2020 tot 2022 en vergelijkbare resultaten te hebben gevonden, hoewel deze niet door vakgenoten zijn beoordeeld. Er waren echter geen gegevens om te vergelijken voor 2023, toen ENS met een aanzienlijk hogere resolutie begon te werken. 📊📈
GenCast verdeelt de wereld in een raster en werkt met een resolutie van 0,25 graden. Dit betekent dat elk vierkantje in dat raster een kwart breedtegraad bij een kwart lengtegraad meet. Ter vergelijking: het ENS gebruikte in 2019 een resolutie van 0,2 graden en heeft nu een resolutie van 0,1 graad. 🌍🗺️
De ontwikkeling van GenCast "markeert echter een belangrijke mijlpaal in de evolutie van weersvoorspellingen", aldus Chantry in een e-mailverklaring. Naast ENS draait ECMWF ook een eigen versie van een machine learning-systeemChantry merkt op dat hij "enige inspiratie haalt uit GenCast." 🌟🤓
Snelheid is een voordeel voor GenCast. Het kan een 15-daagse voorspelling genereren in slechts acht minuten met één Google Cloud TPU v5. Fysica-gebaseerde modellen zoals ENS zouden daar uren over kunnen doen. GenCast slaat alle vergelijkingen over die ENS moet oplossen, wat verklaart waarom het minder tijd en rekenkracht kost om een voorspelling te maken. ⚡️💻
“In rekenkundige termen is het vele malen duurder traditionele voorspellingen uitvoeren tegen een model "Net als GenCast", zegt Price. 💰📉
Die efficiëntie zou kunnen helpen om de zorgen over de milieu-impact van AI-datacenters weg te nemen, aangezien deze de afgelopen jaren al hebben bijgedragen aan de stijgende uitstoot van broeikasgassen door Google. Het is echter lastig om te beoordelen hoe GenCast zich verhoudt tot op fysica gebaseerde modellen op het gebied van duurzaamheid zonder te weten hoeveel energie er nodig is om het machine learning-model te trainen. 🏭♻️
GenCast kan nog steeds verbeteringen doorvoeren, waaronder de mogelijkheid om te schalen naar een hogere resolutie. Bovendien geeft GenCast voorspellingen uit met intervallen van 12 uur, in tegenstelling tot traditionele modellen, die doorgaans voorspellingen met kortere intervallen doen. Dit kan van invloed zijn op de manier waarop deze voorspellingen in de praktijk kunnen worden gebruikt (bijvoorbeeld om te bepalen hoeveel windenergie beschikbaar zal zijn).
"We vragen ons af: is dit goed? En waarom?" 🤔
"Je wilt weten hoe de wind zich gedurende de dag gedraagt, niet alleen om 6 uur 's ochtends en 6 uur 's avonds", zegt Stephen Mullens, universitair docent meteorologie aan de Universiteit van Florida, die niet betrokken was bij het GenCast-onderzoek.
Hoewel er steeds meer belangstelling is voor hoe AI kan worden gebruikt om voorspellingen te verbeteren, moet de effectiviteit ervan nog bewezen worden. "Mensen kijken ernaar. Ik denk niet dat de meteorologische gemeenschap als geheel ervan overtuigd is", zegt Mullens. "Wij zijn getrainde wetenschappers die in termen van natuurkunde denken... en omdat AI in wezen geen natuurkunde is, is er nog steeds een element waarbij we ons afvragen: 'Is dit goed? En waarom?'"
Voorspellers kunnen GenCast zelf uitproberen; DeepMind publiceerde de code van zijn open-sourcemodel. Price zegt dat hij GenCast en anderen ziet verbeterde AI-modellen worden in de praktijk naast traditionele modellen gebruikt. "Zodra deze modellen in handen zijn van professionals, wekt dat meer vertrouwen en zelfvertrouwen op", zegt Price. "We willen echt dat dit een brede maatschappelijke impact heeft." 🌍💡
