Google DeepMind heeft onthuld GenCast, een baanbrekend AI-ensemblemodel dat de nauwkeurigheid en snelheid van weersvoorspellingen aanzienlijk verbetert. Dit model komt tegemoet aan de cruciale behoefte aan betrouwbare voorspellingen, vooral omdat klimaatverandering het aantal extreme weersomstandigheden vergroot. GenCast voorspelt een reeks mogelijke weerscenario’s en presteert daarmee beter dan het ENS-systeem van het European Centre for Medium-Range Weather Forecasts (ECMWF).
Google DeepMind lanceert GenCast voor verbeterde weersvoorspellingen
De introductie van GenCast komt bijzonder op het juiste moment, omdat de vraag naar nauwkeurige weersvoorspellingen blijft groeien. Het model voorspelt nauwkeurig de dagelijkse weersveranderingen en extreme omstandigheden tot 15 dagen van tevoren. GenCast biedt een uitgebreid overzicht van potentiële weerpatronen, wat van vitaal belang is voor besluitvormers in verschillende sectoren.
GenCast maakt gebruik van een hogeresolutieformaat van 0,25°, waardoor 50 of meer voorspellingen voor verschillende weertrajecten worden gegenereerd. Dankzij deze aanpak kan het model onzekerheden effectiever weergeven dan traditionele voorspellingsmethoden. Weerbureaus en wetenschappers vertrouwen op ensemblevoorspellingen om de reeks waarschijnlijke scenario’s te begrijpen, een noodzaak gezien de inherente onvoorspelbaarheid van het weer.
Medeoprichter van Google DeepMind zegt: “Enorme AI-financiering leidt tot hype en zwendel”
Om GenCast te ontwikkelen, hebben onderzoekers vier decennia aan historische weergegevens van ECMWF gebruikt, die verschillende atmosferische variabelen bevatten die cruciaal zijn voor nauwkeurige voorspellingen. Bijgevolg heeft het model in uitgebreide evaluaties blijk gegeven van superieure voorspellingsvaardigheden, waarbij het de ENS van ECMWF in 97,2% van de geteste doelstellingen overtreft en een nauwkeurigheid van 99,8% bereikt voor voorspellingen over een periode van 36 uur vooruit.
In tegenstelling tot zijn voorganger, die één enkele geschatte voorspelling opleverde, maakt GenCast gebruik van een diffusiemodel dat lijkt op het model dat wordt gebruikt in generatieve AI voor het genereren van multimedia-inhoud. Dankzij deze aanpassing kan GenCast werken met de sferische geometrie van de aarde, waardoor het complexe weerscenario’s kan begrijpen en modelleren.
De rekenefficiëntie van GenCast is opmerkelijk. Met behulp van een Google Cloud TPU v5 kan in slechts acht minuten een enkele voorspelling worden gegenereerd, terwijl traditionele methoden uren en aanzienlijke computerbronnen vereisen. Deze tijdsreductie verhoogt niet alleen de operationele efficiëntie, maar maakt ook tijdige besluitvorming mogelijk in kritieke weersomstandigheden.
Verbeterde voorspellingen voor extreme weersomstandigheden
GenCast blinkt uit in het voorspellen van extreem weer, cruciaal voor de openbare veiligheid en het beheer van hulpbronnen. Tijdens het testen toonde het model superieure capaciteiten bij het voorspellen van gevallen van extreme hitte, kou en hoge windsnelheden. Het zorgde bijvoorbeeld voor een nauwkeurige tracking van tyfoon Hagibis dagen vóór de aanlanding, wat aantoonde dat het in staat was om specifieke cycloonpaden met grotere nauwkeurigheid aan te scherpen.
Bovendien kunnen betrouwbaardere weersvoorspellingen een betere planning van initiatieven op het gebied van hernieuwbare energie vergemakkelijken. Een voorbeeld hiervan is de opmerkelijke nauwkeurigheid van GenCast bij het voorspellen van de opwekking van windenergie, waardoor de transitie naar duurzame energiebronnen wordt ondersteund. Deze mogelijkheid wordt steeds belangrijker omdat industrieën op zoek zijn naar betrouwbare gegevens om de operationele efficiëntie te verbeteren.
Afbeeldingscredits: Google Deepmind
