Eén van de moeilijkste variabelen om te voorspellen in het weer is neerslag, wat de belangrijkste bron van onzekerheid is bij overstromingsvoorspelling. Deze nieuwe AI-systeem van Google slaat echter de voorspelling van neerslag helemaal over en probeert in plaats daarvan overstromingen te voorspellen op basis van alles wat verder bekend is.

De belangrijkste uitdaging is dat de landen die deze overstromingsvoorspellingen het meest nodig hebben, vaak de plaatsen zijn waar niet genoeg trainingsgegevens voor het leeralgoritme beschikbaar zijn, omdat ze niet de middelen hebben om deze te verzamelen. Deze nieuwe techniek helpt om gegevens uit de VS en andere landen opnieuw te gebruiken en toe te passen op minder bevoorrechte regio's.

Remarquabel is dat dit nieuwe AI-systeem nauwkeuriger is dan de wereldwijde overstromingsbewustzijnssystemen die over de hele wereld worden gebruikt. Dit is een ongelofelijke vooruitgang die niet-gevorderde naties, niet alleen hun regeringen maar ook burgers, enorm kan helpen. Sommige van deze overstromingsvoorspellingsmodellen zijn zelfs goedkoop genoeg om op een smartphone in je zak te draaien.

Google heeft een nieuwe aanpak voor weervoorspelling ontwikkeld die traditionele op fysica gebaseerde simulaties overtreft. In plaats van te vertrouwen op computationeel dure weermodellen, gebruiken ze op diffusie gebaseerde AI-modellen om plausibele weergegevens te genereren op basis van historische waarnemingen.

Het sleutelkenmerk is dat diffusiemodellen, die worden gebruikt om afbeeldingen te maken op basis van tekstpromoties, ook kunnen worden toegepast op weergegevens. Deze modellen beginnen met willekeurige ruis en transformeren deze geleidelijk in realistische weerpatronen, waarbij ze de nuances van extreme weersomstandigheden leren.

Deze aanpak heeft verschillende voordelen ten opzichte van traditionele methoden. Ten eerste vereist het veel minder rekenkracht, aangezien er geen complexe weersimulatieshoeven te worden uitgevoerd. Ten tweede kan het profiteren van een veel grotere dataset van historische weerswaarnemingen, waardoor de AI uitgebreidere patronen kan leren.

Het resultaat is een weervoorspellingssysteem dat nauwkeuriger is dan eerdere technieken, waaronder NVIDIA's FourCastNet en DeepMind's GraphCast. Deze doorbraak heeft de potentie om de weersverwachting aanzienlijk te verbeteren, vooral in regio's met beperkte gegevens en rekencapaciteit, wat uiteindelijk veel levens kan redden door extreme weersomstandigheden beter te voorspellen.

Vliegtuiguitlaatlijnen, ook wel bekend als condensstrepen, kunnen een meetbare invloed hebben op de temperatuur van de planeet. Hoewel slechts een klein percentage van de condensstrepen (ongeveer 5%) een langdurig effect heeft, is deze impact significant. Om dit probleem aan te pakken, hebben onderzoekers een op AI gebaseerde simulatie ontwikkeld die kan voorspellen welke vliegtuigen op welke routes waarschijnlijk deze persistente condensstrepen zullen creëren.

De uitdaging ligt in het nauwkeurig onderscheiden van condensstrepen van vergelijkbare cirruswolken. De onderzoekers hebben echter een betrouwbare manier gevonden om onderscheid te maken tussen de twee, waardoor het probleem leerbaar wordt voor het AI-systeem.

Om de effectiviteit van deze aanpak te testen, hebben de onderzoekers een proef uitgevoerd met American Airlines, waarbij ze op basis van de voorspellingen van de AI kleine routeaanpassingen voorstelden. Het resultaat was een 54% vermindering in de creatie van warmte-insluitende condensstrepen, met slechts een 0,3% toename in brandstofverbruik. Dit netto-effect is 20 keer beter voor het milieu dan de huidige aanpak.

Door bewust de gebieden te vermijden waar persistente condensstrepen waarschijnlijk zullen ontstaan, kunnen luchtvaartmaatschappijen hun impact op de temperatuur van de planeet aanzienlijk verminderen, met minimale gevolgen voor hun bedrijfsvoering. Dit innovatieve gebruik van AI-technologie heeft de potentie om de luchtvaart duurzamer te maken en bij te dragen aan de strijd tegen klimaatverandering.