Google heeft GraphCast ontwikkeld, een AI-model dat snellere en betere weersvoorspellingen kan doen dan traditionele algoritmes. Het AI-model heeft ook minder infrastructuur nodig.
Google blijft bezig met het ontwikkelen van AI-modellen voor diverse toepassingen. Een laatste loot aan deze stam is de ontwikkeling van zijn GraphCast AI-model. Dit AI-model voorspelt weersverwachtingen sneller en beter dan traditionele algoritmes voor weersvoorspellingen. Google kan deze claim bekrachtigen door een peer-reviewed onderzoek.
Het door Google Deepmind ontwikkelde AI-model is een GNN-model. Deze gespecialiseerde AI-modellen of neurale netwerken verwerken zogenoemde ‘graphs’. Graphs zijn datastructuren die verschillende stukjes informatie bevatten en waarbij is aangegeven hoe deze stukjes informatie zich tot elkaar verhouden. Dit soort datastructuren kunnen grote en met elkaar verbonden datasets opslaan. Dit maakt ze zeer geschikt voor het beschrijven van onder meer ‘weerevenementen’.
Eigenschappen Google GraphCast
Het GraphCast-model is getraind op weerobservaties van ongeveer 4 decennia die door het European Centre for Medium-Range Weather Forecasts (ECMWF) zijn verzameld. De trainingsdataset bevat daarnaast satellietinformatie, informatie uit radarsystemen en andere bronnen.
Meer specifiek is het AI-model in staat weersomstandigheden te voorspellen tot tien dagen vooruit met veel gedetailleerde inzichten. Denk onder meer aan voorspellingen voor de temperatuur gedurende deze periode, de vochtigheid, de windsnelheid en meerdere variabelen op verschillende hoogteniveaus.
Uit een interne test blijkt dat het AI-model, in vergelijking met andere veelgebruikte algoritmes een hogere accuratesse noteerde. Helemaal als het model alleen voorspellingen deed voor verschillende luchtlagen, zoals troposfeer, de atmosfeerlaag die direct boven het oppervlak van de aarde ligt.
Daarnaast zou Google GraphCast in staat zijn beter extreme weersomstandigheden te voorspellen, zoals het accurater voorspellen van een cycloon in vergelijking met de bestaande algoritmes.
Minder infrastructuur noodzakelijk
Het GraphCast-model heeft volgens de techgigant ook nog een ander voordeel. In vergelijking met andere weersvoorspellingsalgoritmes gebruikt dit AI-model minder infrastructuur. Standaard gebruiken weersvoorspellingsmodellen veel hardware omdat zij afhankelijk zijn van natuurkundige berekeningen. Deze berekeningen zijn complex en duren vaak erg lang.
Google geeft nu aan dat zijn nieuwe weersvoorspellingsmodel de tiendaagse voorspellingen kan leveren met een enkele Google TPU v4-instance. Dit bespaart veel op hardware en datacentercapaciteit. Daarnaast worden de berekeningen volgens Google binnen een minuut uitgevoerd.
Overige modellen en beschikbaarheid
GraphCast is niet het enige weersvoorspellingsmodel dat Google Deepmind en Google Research hebben ontwikkeld. De techgigant ontwikkelde ook nu al gebruikte weervoorspellingsmodellen als een regionaal Nowcasting-model, dat weersvoorspellingen van 90 minuten van tevoren mogelijk maakt en het regionale weersmodel MetNet-3.
Het Google GraphCast-weersvoorspellingsmodel is nu beschikbaar op GitHub. Op de site van het ECMWF is een live demonstratie van de voorspellingen van het weermodel toegankelijk.