On woensdagavond, Orkaan Milton zal worden vijfde orkaan in 2024 om aan land te komen op het vasteland van de VS. Nu stormen als deze frequenter en intenser worden, speelt kunstmatige intelligentie een steeds centralere rol in de inspanningen van meteorologen en andere wetenschappers om deze stormen op te sporen en de schade ervan te beperken.
Jarenlang hebben meteorologen complexe voorspellingsmodellen van stormen gebouwd op basis van windsnelheden, temperatuur, vochtigheid en andere factoren, en vastgelegd via metingen van vliegtuigen, boeien en satellieten. Maar het kan uren duren voordat deze modellen bijgewerkte voorspellingen produceren.
Modellen voor machinaal leren daarentegen zijn gebaseerd op enorme kennis van de atmosfeer van de aarde en gegevens over hoe eerdere stormen zich hebben ontwikkeld. Ze blinken uit in patroonherkenning en ontdekken in een fractie van de tijd trends die de meeste mensen niet kunnen onderscheiden. En dit jaar hebben ze herhaaldelijk nauwkeurige stormgerelateerde voorspellingen gedaan, gegenereerd binnen enkele seconden en dagen voordat een storm de kust zou treffen.
“De meteorologiegemeenschap omarmt, in sommige gevallen met tegenzin, en in sommige gevallen volledig, AI-modellering”, zegt de in Houston gevestigde meteoroloog. Matt Lanza. “Wat orkanen betreft, hebben we geleerd dat de AI-modellering nauw samen kan gaan met het op fysica gebaseerde model, dus je moet het gebruiken.”
Lees meer: Dit is wat u moet weten over het verwachte pad van orkaan Milton
Lanza zegt dat er deze week een consensus is ontstaan tussen veel verschillende soorten modellen dat Milton waarschijnlijk tussen Clearwater en Sarasota, Florida zal landen. Lanza zegt dat AI-modellering “die potentiële uitkomst waarschijnlijk twaalf tot achttien uur eerder heeft opgepikt dan veel andere modellen.”
De nauwkeurigheid van AI die stormen volgt
Dit is niet de eerste keer dat AI-modellen dit jaar het traject van een orkaan eerder voorspellen dan traditionele modellen. GraphCast, gemaakt door het Google AI-bedrijf Deepmind, heeft een AI-programma getraind op basis van vier decennia aan wereldwijde weergegevens correct voorspeld dat Beryl, de eerste grote Atlantische orkaan in 2024, aan land zou komen in Texas, in tegenstelling tot een Europees topmodel dat een aanlanding in Mexico voorspelt. Het team achter het project won dit jaar de Britse hoogste technische prijswaarbij een van de rechters het ‘een revolutionaire vooruitgang’ noemde.
Een paar maanden later voorspelde een Europees AI-model, AIFS genaamd, met succes het pad van Francine toen het de Golfkust trof. „De consistentie was ongelooflijk“, zegt Lanza. “Zelfs de best presterende traditionele modellen waren volgens mij niet zo consistent.” Lanza schreef op zijn blog dat de nauwkeurigheid van het model zijn team het vertrouwen gaf dat de storm geen grote zorg voor Texas zou zijn, waardoor mensen ter plaatse de middelen beter konden plannen en inzetten.
Andere belangrijke voorspellingsmodellen zijn onder meer FourCastNetontwikkeld door NVIDIA, en Pangu-Weer, van Huawei. Het National Hurricane Center (NHC) van zijn kant heeft dat wel gedaan geïntegreerde AI in zijn voorspellingsprocessen, waarbij NHC-adjunct-directeur Jamie Rhome het vorig jaar een ‘pijler’ van succes noemde. “De verfijning van AI is dramatisch verbeterd en blijft verbeteren, en dat is van cruciaal belang omdat we maar drie uur de tijd hebben om de voorspelling te maken”, vertelde hij aan NBC Miami.
Ondanks het succes kent de technologie nog steeds veel problemen. A Studie uit 2024 ontdekte dat hoewel machine learning-modellen effectief grootschalige kenmerken van de Europese storm Ciarán voorspelden, ze er niet in slaagden schadelijke oppervlaktewinden en andere ongebruikelijke aspecten van de storm te registreren. Lanza zegt dat AI-modellen de neiging hebben de intensiteit van orkanen te onderschatten en soms moeite hebben met het meten van de neerslag.
Vanwege deze fouten is het volgens Lanza van cruciaal belang dat meteorologen niet uitsluitend op AI-voorspellingen vertrouwen. „We geven deze dingen niet de touwtjes in handen en zeggen niet alleen maar: 'maak me een voorspelling en ik zal die gewoon uitbraken'“, zegt hij. “Je moet nog steeds kijken naar het bredere spectrum aan tools dat voor je beschikbaar is.”
Stormvloed voorspellen
Aan de Universiteit van Florida, AI-wetenschapper Zhe Jiang werkt aan het oplossen van een van deze meer gedetailleerde problemen op het gebied van nauwkeurigheid: hoe stormvloeden de kusten van Florida zullen beïnvloeden. Jiang zegt dat AI voor kustmodellering achter is gebleven bij de mondiale weersvoorspellingen, vanwege het gebrek aan hoogwaardige trainingsgegevens en het feit dat datagestuurde neurale netwerken zich vaak niet bewust zijn van fundamentele fysische principes, zoals hoe water zal bewegen of verspreiden.
Om dit vakgebied vooruit te helpen, hebben Jiang en zijn collega’s, waaronder kustoceanografen, een AI-surrogaat getraind op basis van kustsimulaties. Volgens voorlopige resultaten heeft deze AI voorspellingen voor oceaanstromingen 500 keer sneller gemaakt dan eerdere modellen. Jiang hoopt het model binnenkort te trainen voor stormvloeden, waarvan hij hoopt dat ze levens kunnen redden en materiële schade kunnen voorkomen. “Bij de huidige voorspelling kan het enkele uren duren om een voorspelling te maken. Als we de tijd terugbrengen tot seconden, kunnen rampenmanagers meer tijd vooruit plannen en kunnen meer mensen de potentiële schade beter plannen”, zegt Jiang.
Maar Jiang let er goed op dat het simpelweg gebruiken van AI-modellen voor algemeen gebruik om stormvloeden te voorspellen rampzalige gevolgen kan hebben. “Neurale netwerken maken soms te zelfverzekerde maar onnauwkeurige voorspellingen, wat ernstige gevolgen kan hebben bij besluitvorming waarbij grote belangen op het spel staan”, zegt hij.
Veel andere onderzoekers zijn aan parallelle projecten begonnen. Dat zegt een onderzoeker aan de Universiteit van Miami trainingscomputers in de hoop 3D-replica's van actieve stormsystemen te bouwen, zodat vliegtuigen er niet in hoeven te vliegen om metingen uit te voeren. Een ander bedrijf gebruikt machine learning om dit te proberen voorspellen waar stroomuitval zal plaatsvinden en hoeveel inwoners mogelijk getroffen worden.
Jiang zegt dat de confrontatie met orkanen als Milton zijn werk des te urgenter maakt: “Er zijn steeds meer ernstige gebeurtenissen en kustgevaren zoals de orkaan Milton in de buurt van mijn huis, en we racen echt met de tijd om AI-technologieën sneller te ontwikkelen.”
