Als het gaat om zoeken op het wereldwijde web, dan is Google de koning. De tech-gigant zit uiteraard niet stil en denkt nog veel meer zaken beter te kunnen. Neem het voorspellen van het weer. Daar heeft Google’s AI-divisie Deepmind nu een met AI verrijkt model voor ontwikkeld. En omdat niets zo veranderlijk is als het weer is dit dus een ontwikkeling die, als de accuratesse inderdaad zo hoog is als Google ons wil doen geloven, nogal wat mensen en organisatoren van (sport)events blij kan maken.
Hoe vaak moeten we niet constateren dat de voorspellingen van het KNMI, MeteoGroup (voorheen Meteoconsult) en andere weermannen en -vouwen toch niet helemaal de waarheid benaderen. En daar sta je dan, met je korte broek achter de BBQ in de stromende regen. Nu wil het voorspellen van het weer voor de volgende dag, 24 tot 48 uur, normaal nog wel lukken, maar als je een feestje of andere buitenevent moet plannen, voor over een of twee weken, dan gebeurt het maar zelden dat de zogenoemde middellange termijn verwachting (10 tot 14 dagen vooruit) ook klopt.
Uiteraard heeft dat allemaal ook te maken met weersystemen, de jetstream en heel veel andere factoren. (Super)computers rekenen vervolgens, gebaseerd op huidige weerkaarten en informatie uit het verleden, uit wat de meest waarschijnlijke weersverwachting is. Meteorologen laten er vervolgens ook hun licht, kennis en ervaring op schijnen en zo wordt een meerdaagse verwachting samengesteld. Die is echter zelden bij alle weersites en -diensten hetzelfde en ook aan verandering onderhevig.
Volg gedurende een week maar eens de tien of veertiendaagse weersverwachtingen op verschillende weersites of apps. Dan zie je niet alleen dat ze vrijwel nooit allemaal dezelfde verwachtingen tonen en dat die meerdaagse verwachtingen elke dag wel veranderen, soms zelfs meerdere keren per dag. Voor ons als consument is het dan maar hopen dat we het weer krijgen waar we op hopen.
Enfin, Google Deepmind dacht dus dat het voorspellen van het weer met behulp van AI een heel stuk beter kon. Daar hebben ze aan gewerkt, getest en nu ook een studie over gepubliceerd. GraphCast heet het model. En die blijkt dus beter dan welk ander weermodel of -computer dan ook weersvoorspellingen te kunnen maken voor tien dagen vooruit.
Zoals alle AI-tools is ook voor het trainen van GraphCast gebruik gemaakt van data, heel veel historische weerdata in dit geval. Met behulp van die data heeft het AI-weermodel geleerd hoe het weer zich ontwikkelt, hoe weersystemen zoals hoge en lage druk gebieden ontstaan, maar ook stormen en ander extreem weer en welke factoren daar allemaal van invloed op zijn. Daarnaast kijkt GraphCast ook naar het weer op het moment van het berekenen van de voorspelling en het weer van de uren daaraan voorafgaand. Met al die data en historische kennis, maakt GraphCast vervolgens een weersvoorspelling.
GraphCast kan het weer voor de hele wereld voorspellen. Daarvoor heeft het AI-model de wereldbol verdeeld in vlakken van (op de evenaar berekend) 28 bij 28 kilometer (0,25 vierkante lengte/breedtegraad). Voor elk punt in dat raster, meer dan een miljoen, worden een aantal variabelen berekend, op maar liefst 37 verschillende hoogteniveaus. Die variabelen zijn onder ander de temperatuur en windrichting, windkracht en de luchtdruk (gecorrigeerd naar zeeniveau). Daarnaast worden ook een aantal atmosferische variabelen, op elk van de 37 hoogteniveau’s, berekend, zoals de relatieve vochtigheid, temperatuur, windrichting en -snelheid.
Het zal niemand verbazen dat de training van GraphCast een behoorlijk rekenintensieve exercitie. Maar, dit betekent nu dat het maken van 10-daagse voorspellingen met GraphCast minder dan een minuut in beslag neemt op een enkele Google TPU v4-machine. Ter vergelijking: een 10-daagse voorspelling met behulp van een conventionele aanpak, zoals HRES, kan uren rekenen in een supercomputer met honderden machines.
Mooi, GraphCast is snel, maar we willen natuurlijk allemaal weten hoe goed en accuraat de voorspellingen zijn. Dat heeft Google Deepmind dus ook al getest en de resultaten zijn op z’n zachtst gezegd hoopgevend. HRES is op dit moment de zogenoemde gouden standaard voor weersvoorspellingen.
Vergeleken met HRES waren de voorspellingen van GraphCast in meer dan 90 procent van de gevallen beter. Kijkend naar de voorspellingen voor de troposfeer – het 6-20 kilometer hoge gebied van de atmosfeer dat zich het dichtst bij het aardoppervlak bevind – presteerde GraphCast zelfs in 99,7 procent van de gevallen beter dan HRES.
Nu nog hopen dat we straks geen tientallen euro’s moeten gaan betalen voor een abonnement op de weersvoorspellingen van Google GraphCast. Anders ga ik gewoon weer zelf op weerkaarten kijken en vraag ik de boer op de hoek wel of het gaat regenen.
Ron verdiende zijn sporen in de Telecom als Mobile Cowboy. Na bijna 15 jaar was hij toe aan een nieuwe uitdaging als zelfstandig freelance journalist, blogger en tekstschrijver. Het bloed kruipt echter waar het niet gaan kan. De Mobile Cowboys is back! Met lasso en zweep in de aanslag om de ingeslapen telecommarkt weer eens goed wakker te schudden en met scherp te schieten!
Verder lezen over Google
Artificial Intelligence30.10.2024
Online17.10.2024
Artificial Intelligence09.10.2024
Mobile08.10.2024
Mobile07.10.2024
Artificial Intelligence03.10.2024
Mobile01.10.2024
Search25.09.2024
Verder lezen over Kunstmatige Intelligentie
Online13.11.2024
Tech in Asia13.11.2024
Video13.11.2024
Social Media12.11.2024
Marketing11.11.2024
Tech in Asia08.11.2024
Artificial Intelligence07.11.2024
Nieuws06.11.2024