LONDEN – We zijn net getuige geweest van het begin van een paradigmaverschuiving in de aardwetenschappen. Een artikel dat in juli vorig jaar in Nature verscheen, toonde aan dat een neuraal netwerk (kunstmatige intelligentie) het weer beter voorspelde dan het European Center for Medium-Range Weather Forecasts, dat ’s werelds meest geavanceerde weersvoorspellingssysteem heeft. In november maakte Google’s DeepMind bekend dat zijn AI voor weersvoorspellingen nóg betere voorspellingen had gedaan.
Bij de traditionele aanpak van weersvoorspellingen worden waarnemingen op een bepaald moment gebruikt als initiële voorwaarden voor vergelijkingen op basis van natuurkundige principes. Een AI daarentegen neemt gegevens op die over langere perioden zijn verzameld en ‘leert’ dan de dynamica die traditionele vergelijkingen expliciet moeten beschrijven. Zowel de traditionele als de op AI gebaseerde methode zijn afhankelijk van supercomputers, maar de AI heeft geen behoefte aan formeel ontwikkelde theorieën.
Weersvoorspellingen bepalen wanneer en waar vliegtuigen vliegen, welke routes schepen nemen, en helpen bij het beheren van allerlei civiele en militaire risico’s die gepaard gaan met een veranderlijke omgeving. Ze zijn belangrijk. Hoewel het nog relatief vroeg is voor AI-toepassingen op dit gebied en er nog veel moet worden uitgewerkt, kunnen AI-gestuurde voorspellingen, net als in andere sectoren, geschoolde arbeid vervangen, aangezien neurale netwerken geen kennis van dynamische meteorologie vereisen (de auteurs van het Nature-artikel zijn ingenieurs zonder een meteorologische achtergrond). Maar daar houden de implicaties niet op.
LONDEN – We zijn net getuige geweest van het begin van een paradigmaverschuiving in de aardwetenschappen. Een artikel dat in juli vorig jaar in Nature verscheen, toonde aan dat een neuraal netwerk (kunstmatige intelligentie) het weer beter voorspelde dan het European Center for Medium-Range Weather Forecasts, dat ’s werelds meest geavanceerde weersvoorspellingssysteem heeft. In november maakte Google’s DeepMind bekend dat zijn AI voor weersvoorspellingen nóg betere voorspellingen had gedaan.
Bij de traditionele aanpak van weersvoorspellingen worden waarnemingen op een bepaald moment gebruikt als initiële voorwaarden voor vergelijkingen op basis van natuurkundige principes. Een AI daarentegen neemt gegevens op die over langere perioden zijn verzameld en ‘leert’ dan de dynamica die traditionele vergelijkingen expliciet moeten beschrijven. Zowel de traditionele als de op AI gebaseerde methode zijn afhankelijk van supercomputers, maar de AI heeft geen behoefte aan formeel ontwikkelde theorieën.
Weersvoorspellingen bepalen wanneer en waar vliegtuigen vliegen, welke routes schepen nemen, en helpen bij het beheren van allerlei civiele en militaire risico’s die gepaard gaan met een veranderlijke omgeving. Ze zijn belangrijk. Hoewel het nog relatief vroeg is voor AI-toepassingen op dit gebied en er nog veel moet worden uitgewerkt, kunnen AI-gestuurde voorspellingen, net als in andere sectoren, geschoolde arbeid vervangen, aangezien neurale netwerken geen kennis van dynamische meteorologie vereisen (de auteurs van het Nature-artikel zijn ingenieurs zonder een meteorologische achtergrond). Maar daar houden de implicaties niet op.