Traditionele modellen nog steeds beter in voorspellen van extreem weer dan AI

AI-modellen falen bij recordbrekend extreem weer

Kunstmatige intelligentie (AI) kan recordbrekende weersomstandigheden minder nauwkeurig voorspellen dan traditionele klimaatmodellen, blijkt uit nieuw onderzoek. Hoewel AI-modellen in sommige gevallen beter presteren dan fysica-gebaseerde modellen, blijkt uit een studie in Science Advances dat ze tekortschieten bij het simuleren van extreme weersomstandigheden.

Onderzoek naar extreme weersomstandigheden

De auteurs van de studie analyseerden hoe goed zowel AI- als traditionele weermodellen duizenden recordbrekende hitte-, koude- en windgebeurtenissen uit 2018 en 2020 konden nabootsen. De resultaten tonen aan dat AI-modellen zowel de frequentie als de intensiteit van deze extreme gebeurtenissen onderschatten.

Een van de auteurs waarschuwt in Carbon Brief dat deze bevindingen een "waarschuwingsvuur" zijn tegen het te snel vervangen van traditionele modellen door AI-modellen voor weersvoorspellingen.

Waarom zijn traditionele modellen nog steeds cruciaal?

Extreme weersomstandigheden zoals overstromingen, hittegolven en stormen veroorzaken jaarlijks honderden miljarden dollars aan schade door vernietiging van landbouwgrond, schade aan infrastructuur en verlies van mensenlevens. Overheden wereldwijd hebben vroege waarschuwingssystemen ontwikkeld om de bevolking te beschermen en rampenteams te mobiliseren.

Hoe werken traditionele weermodellen?

Decennialang hebben wetenschappers numerieke weersvoorspellingsmodellen gebruikt om het weer dagen of weken van tevoren te simuleren. Deze modellen zijn gebaseerd op complexe wiskundige vergelijkingen die atmosferische en oceanische processen nabootsen. Deze vergelijkingen zijn geworteld in fundamentele natuurkundige wetten, ontwikkeld door klimaatwetenschappers. Daarom worden deze modellen ook wel "fysica-gebaseerde modellen" genoemd.

De opkomst van AI in weersvoorspellingen

AI-modellen winnen aan populariteit als alternatief voor traditionele weersvoorspellingen. In plaats van natuurkunde gebruiken deze modellen een statistische benadering. Wetenschappers voeden AI-modellen met grote hoeveelheden historische weergegevens, zogenaamde trainingsdata. Hierdoor leert het model patronen herkennen en voorspellingen doen.

Voor nieuwe voorspellingen put het AI-model uit deze kennis en volgt het de bekende patronen. AI-modellen hebben verschillende voordelen:

• Ze vereisen minder rekenkracht dan fysica-gebaseerde modellen, omdat ze geen duizenden wiskundige vergelijkingen hoeven uit te voeren;
• In veel gevallen presteren ze beter dan traditionele modellen bij weersvoorspellingen.

Beperkingen van AI-modellen

Prof. Sebastian Engelke, auteur van de studie en hoogleraar aan het onderzoeksinstituut voor statistiek en informatiewetenschap aan de Universiteit van Genève, legt in Carbon Brief uit dat AI-modellen "sterk afhankelijk zijn van de trainingsdata" en "relatief beperkt zijn tot het bereik van deze dataset".

Met andere woorden: AI-modellen hebben moeite met het simuleren van geheel nieuwe weerspatronen. Ze voorspellen eerder gebeurtenissen van een vergelijkbare sterkte als die uit het verleden. Het is daarom twijfelachtig of AI-modellen ongekende, recordbrekende extreme gebeurtenissen kunnen simuleren – gebeurtenissen die per definitie nog nooit eerder zijn waargenomen.

Extreme weersomstandigheden nemen toe

Door de opwarming van de aarde worden extreme weersomstandigheden zowel intenser als frequenter. Recordbrekende extremen – gebeurtenissen die bestaande records met grote marges verbreken – worden steeds vaker waargenomen. Dit maakt het des te belangrijker om betrouwbare voorspellingsmodellen te hebben die deze gebeurtenissen kunnen simuleren.

"AI-modellen zijn een waardevolle aanvulling, maar kunnen traditionele modellen nog niet volledig vervangen," aldus Prof. Engelke. "We moeten voorzichtig zijn met het te snel afschaffen van bewezen methoden."