Google DeepMind heeft op 17 november zijn nieuwe AI-weermodel, WeatherNext 2, onthuld, wat een aanzienlijke sprong voorwaarts betekent in de mondiale voorspelling.
Het systeem maakt gebruik van een nieuwe methode, een Functional Generative Network (FGN) genaamd, om voorspellingen acht keer sneller en gedetailleerder te maken dan zijn voorganger. De doorbraak verbetert de voorspellingen voor complexe gebeurtenissen zoals orkanen door binnen enkele minuten honderden mogelijke scenario’s te genereren.
Google biedt nu toegang tot de gegevens van het model via zijn cloudplatforms. Deze stap heeft tot doel het onderzoek te versnellen en de publieke veiligheid te vergroten nu AI steeds belangrijker wordt in de weerwetenschap, zelfs nu openbare gegevensbronnen met onzekerheid worden geconfronteerd.
Een nieuwe architectuur voor snellere, nauwkeurigere voorspellingen
De kern van WeatherNext 2 is een nieuwe architectuur die wordt beschreven in recent onderzoek. In tegenstelling tot zijn voorganger GenCast, die een op diffusie gebaseerde aanpak gebruikte, is WeatherNext 2 gebouwd op een zogenaamd Functioneel Generatief Netwerk.
Deze FGN-methode injecteert zorgvuldig gestructureerde “ruis” rechtstreeks in de parameters van het model. Het stelt het systeem in staat om vanuit één enkel startpunt een groot geheel van fysiek realistische en samenhangende weerscenario’s te genereren.
Elke voorspelling duurt minder dan een minuut op een enkele TPU, een taak die op een traditionele supercomputer uren zou vergen.
Deze efficiëntie gaat niet ten koste van de nauwkeurigheid. Volgens evaluaties van Google overtreft WeatherNext 2 het vorige state-of-the-art model, GenCast, op 99,9% van alle variabelen en voorspelde doorlooptijden. Het nieuwe model laat een gemiddelde verbetering van 6,5% in nauwkeurigheid zien, zoals gemeten door de Continuous Rated Probability Score (CRPS), een belangrijke maatstaf voor probabilistische voorspellingen.
Het biedt ook een hogere temporele resolutie, met voorspellingen beschikbaar met intervallen van 6 uur en experimentele mogelijkheden voor tijdstappen van 1 uur, waardoor meer gedetailleerde gegevens voor besluitvormers worden geboden, zoals beschreven in de officiële modeldocumentatie.
De FGN-aanpak is bijzonder effectief bij het modelleren van zowel individuele weerelementen (“marginals”) als hun complexe interacties (“gewrichten”). Door alleen te trainen op individuele datapunten zoals temperatuur of windsnelheid, leert het model de onderliggende fysica om grootschalige systemen zoals atmosferische rivieren en cyclonen te voorspellen.
Google merkt echter op dat het model enkele beperkingen heeft, waaronder het potentieel voor kleine visuele’honingraat’-artefacten in voorspellingen voor bepaalde variabelen, zoals uiteengezet in de gebruikscasus en beperkingenoverzicht.
[embedded content]
Van onderzoekslaboratorium tot publieke platforms en partnerbureaus
Voortbouwend op eerdere doorbraken heeft Google een duidelijke strategie onthuld om zijn weer-AI van onderzoek naar praktijktoepassing te verplaatsen. De voorspellingsgegevens van WeatherNext 2 zijn nu toegankelijk voor onderzoekers en ontwikkelaars via de Earth Engine-en BigQuery-platforms van Google.
Bovendien kunnen organisaties met een nieuw programma voor vroege toegang tot de Vertex AI van Google Cloud hun eigen aangepaste prognoses genereren met behulp van het model.
Dit initiatief zet een bredere trend voort van de groeiende betrokkenheid van Big Tech bij de meteorologie. Bedrijven als Microsoft, Nvidia en IBM hebben allemaal hun eigen geavanceerde voorspellingssystemen ontwikkeld, zoals Microsoft’s Aardvark Weather en het NASA/IBM Prithvi WxC-model.
Zoals Kirstine Dale, Chief AI Officer bij het Met Office, opmerkte over de algemene trend:”We zien het potentieel voor een echte stapsgewijze verandering… in de manier waarop we voorspellen, wat in sommige opzichten vergelijkbaar is met toen we computers gingen gebruiken.”
De strategie van Google omvat ook directe samenwerking met belangrijke overheden agentschappen. In een baanbrekend partnerschap heeft het Amerikaanse National Hurricane Center (NHC) een experimenteel Google AI-model geïntegreerd in de operationele workflow voor het orkaanseizoen van 2025.
Deze samenwerking, een primeur voor het federale agentschap, zal door AI gegenereerde begeleiding beschikbaar stellen aan deskundige menselijke voorspellers, waarbij machinesnelheid wordt gecombineerd met menselijke expertise om waarschuwingen voor levensbedreigende stormen te verbeteren.
De dreigende crisis: AI’s afhankelijkheid van bedreigde soorten Publieke gegevens
Terwijl de technologische vooruitgang steeds sneller gaat, wordt het hele veld geconfronteerd met een fundamentele bedreiging. AI-weermodellen zoals WeatherNext 2 zijn getraind op tientallen jaren aan historische gegevens, waarvan een groot deel afkomstig is uit openbare archieven die worden beheerd door instanties als de Amerikaanse National Oceanic and Atmospheric Administration (NOAA).
Deze essentiële gegevensbronnen lopen nu gevaar als gevolg van voorgestelde bezuinigingen en ernstige personeelstekorten.
De situatie werd zo kritiek dat vijf voormalige directeuren van NOAA’s National Weather Service (NWS) een open brief uitvaardigden waarin ze waarschuwden voor de mogelijke gevolgen.
“Onze ergste nachtmerrie is dat de weervoorspellingsbureaus zo onderbezet zullen zijn dat er onnodig veel mensenlevens verloren gaan”, schreven ze. Sinds begin 2025 heeft de NWS meer dan 550 werknemers verloren, waardoor sommige voorspellingsbureaus ernstig onderbezet zijn, net op het moment dat het orkaanseizoen begint.
Een voormalige NHC-chef beschreef de inspanningen om vacatures in te vullen als louter “het schuifelen van de ligstoelen op de Titanic”, en voegde eraan toe: “Je vult ergens een gat, en je creëert er ergens anders een.”
Deze datacrisis is niet onopgemerkt gebleven door de wetenschappelijke gemeenschap. Professor Richard Turner van de Universiteit van Cambridge uitte zijn bezorgdheid door te stellen: “De gemeenschap is nog niet – verrassend genoeg – zich bewust geworden van dit gevaar… Ik denk dat de bezuinigingen zeer gevaarlijk zijn in een tijd waarin het klimaat werkelijk aan het veranderen is.”
Hoewel recente congresacties de zwaarste bezuinigingen hebben tegengehouden en enige verlichting hebben geboden, blijft de stabiliteit van deze openbare data-archieven op de lange termijn onzeker.
De paradox is grimmig: nu particuliere innovatie op het gebied van weer-AI nieuwe hoogten bereikt, blijft de stabiliteit van deze openbare data-archieven onzeker. succes hangt af van een publieke data-infrastructuur die vecht voor haar voortbestaan.
Het nieuwe partnerschap tussen Google en de NHC benadrukt het immense potentieel van AI om levens te redden, maar toont ook de dringende noodzaak om de open data te beschermen die dergelijke vooruitgang mogelijk maakt, een centraal thema in de voortdurende AI-weerrevolutie.
