Onderzoekers van Google hebben met GenCast een geavanceerd AI-model ontwikkeld dat tot 20% nauwkeuriger weersvoorspellingen levert dan het toonaangevende Europese Centrum voor Middellangetermijn-weersvoorspellingen (ECMWF). Het model, gebaseerd op 40 jaar historische weersdata, biedt niet alleen verbeterde precisie, maar is ook aanzienlijk efficiënter. Voor zeilers betekent dit betrouwbaardere voorspellingen van wind, temperatuur en extreme omstandigheden, wat essentieel is voor veiligheid en strategische planning.
Traditionele modellen, zoals die van ECMWF, vereisen tienduizenden processoren en enorme rekenkracht. GenCast doorbreekt deze barrière door in slechts 8 minuten een 15-daagse voorspelling te genereren op een enkele Google Cloud TPU v5.
Weerman Bram Verbruggen (VRT) vertelt ons:
“Minder rekenkracht betekent niet alleen tijdswinst, maar ook een lagere energiekost, dat is goed nieuws voor het klimaat.”
Reeds in november 2023 bracht ClubRacer een artikel over GraphCast, een AI-weersvoorspellingsmodel ontwikkeld door Google DeepMind. Dit model, dat weersvoorspellingen met een resolutie van 0,25° biedt, werd geprezen om zijn snelheid en nauwkeurigheid. Het kon binnen één minuut tien-daagse voorspellingen genereren, wat een significante verbetering betekende ten opzichte van traditionele systemen. De introductie van GraphCast markeerde een belangrijke stap voorwaarts in de toepassing van AI in meteorologie.
Leren uit data van 40 jaar weersinformatie
GenCast verschilt fundamenteel van klassieke weermodellen doordat het een zelflerend systeem is. Het model verwerkt complexe weerspatronen, zoals cycloonroutes, met een precisie die traditionele methoden overtreft.
“Het weer is geen exacte wetenschap,” benadrukt Bram. “Maar AI helpt ons om met complexe situaties zoals orkanen beter in kaart te brengen wat er kan gebeuren.”
Voor zeilers kan GenCast in de toekomst een betrouwbaar hulpmiddel worden, vooral op uitdagende wateren zoals de Noordzee, Atlantische Oceaan en Middellandse Zee. Dankzij de hoge resolutie van 0,25° (ongeveer 28 km) en het vermogen om onzekerheden te modelleren, kunnen zeilers dankzij GenCast een vollediger beeld van mogelijke scenario’s, inclusief extreme weersomstandigheden.
Betere voorspellingen, ook voor het vermijden van stormen en betere routering
Voor zeilers zijn de voordelen duidelijk: van routeplanning tijdens regatta’s tot het vermijden van stormen. Met GenCast krijgen ze niet alleen toegang tot meer accurate gegevens, maar ook tot probabilistische voorspellingen, die inzicht bieden in onzekerheden.
Meteorologen blijven essentieel
Ondanks de indrukwekkende prestaties van GenCast zal de menselijke meteoroloog niet worden vervangen.
“De ervaring van weersvoorspellers blijft cruciaal,” legt Bram uit. “Zij kennen de zwaktes en sterktes van de modellen en kunnen lokale nuances beter inschatten. AI wordt een waardevolle aanvulling, maar de interpretatie en context van een meteoroloog blijven essentieel.”
GenCast is open-source
Google heeft GenCast open-source beschikbaar gesteld, inclusief modelcode en historische gegevens. Dit bevordert de samenwerking binnen de weer- en zeilgemeenschap en biedt zeilers toegang tot state-of-the-art voorspellingen.
Wanneer is GenCast beschikbaar?
Het is nog niet bekend wanneer GenCast zal worden ingezet om voorspellingen of GRIB-bestanden te genereren die direct bruikbaar zijn voor zeilers. Aangezien het model echter open-source is, lijkt het waarschijnlijk dat deze ontwikkeling niet lang op zich zal laten wachten. Dankzij de open toegankelijkheid van de code en alle historische data kunnen ontwikkelaars en weerdiensten wereldwijd het model snel integreren in bestaande tools en platforms voor zeilers.
Omdat GraphCast ook open source is gemaakt en het Europees Centrum voor Middellange-Termijn Weersverwachtingen (ECMWF) al experimenten uitvoert met dit model denken we dat het niet lang zal duren.
Meer weten over GenCast
- Via Google DeepMind: GenCast predicts weather and the risks of extreme conditions with state-of-the-art accuracy
- De publicatie in Nature: Probabilistic weather forecasting with machine learning
Op de afbeelding: Visualisatie van voorspellingen en tropische cycloontrajecten met GenCast.
Wat is het verschil tussen GraphCast en GenCast?
GraphCast en GenCast zijn beide geavanceerde AI-modellen ontwikkeld door Google DeepMind voor weersvoorspelling, elk met unieke benaderingen en toepassingen:
1. GraphCast: snelheid en nauwkeurigheid in seterministische voorspellingen
- Publicatie: November 2023
- Functionaliteit: GraphCast maakt gebruik van Graph Neural Networks (GNN’s) om deterministische weersvoorspellingen te genereren. Het model verwerkt de huidige en recente atmosferische toestanden om weersomstandigheden tot 10 dagen vooruit te voorspellen.
- Prestaties: GraphCast overtreft het High Resolution Forecast (HRES) systeem van het European Centre for Medium-Range Weather Forecasts (ECMWF) in nauwkeurigheid op 89,3% van de geëvalueerde variabelen en levert voorspellingen in minder dan een minuut. DeepMind
2. GenCast: probabilistische voorspellingen met diffusiemodellen
- Publicatie: December 2024
- Functionaliteit: GenCast introduceert een probabilistische benadering door gebruik te maken van diffusiemodellen. Het genereert ensembles van mogelijke weerscenario’s, wat helpt bij het inschatten van onzekerheden en het voorspellen van extreme weersomstandigheden.
- Prestaties: GenCast overtreft het ECMWF’s ensemblevoorspellingssysteem (ENS) op 97,4% van de geëvalueerde doelen en kan 15-daagse voorspellingen genereren in ongeveer 8 minuten. ArXiv
Belangrijkste verschillen
- Voorspellingsbenadering: GraphCast richt zich op deterministische voorspellingen met één meest waarschijnlijke uitkomst, terwijl GenCast probabilistische voorspellingen biedt met meerdere scenario’s om onzekerheden beter te kwantificeren.
- Modelarchitectuur: GraphCast maakt gebruik van Graph Neural Networks, terwijl GenCast diffusiemodellen toepast voor het genereren van ensembles.
- Voorspellingshorizon en Resolutie: Beide modellen bieden hoge resolutie voorspellingen, maar GenCast biedt een langere voorspellingshorizon van 15 dagen in vergelijking met de 10 dagen van GraphCast.
Beide modellen vertegenwoordigen significante vooruitgangen in AI-gedreven weersvoorspelling, met GenCast dat voortbouwt op de fundamenten gelegd door GraphCast om probabilistische voorspellingen en onzekerheidskwantificering te verbeteren.
