Google DeepMind heeft zonet GraphCast geïntroduceerd, een geavanceerd AI-model met ongekend nauwkeurige weersvoorspellingen. Deze innovatie, die de weersvoorspellingen binnen een minuut voor de komende tien dagen kan genereren, overtreft bestaande systemen in snelheid en precisie, een gamechanger voor zeilers en regatta-organisatoren.
De impact van GraphCast op wedstrijdzeilen
De introductie van Google DeepMind’s GraphCast markeert een significante vooruitgang in weervoorspellingen, cruciaal voor de zeilers, wedstrijdzeilers en regatta-organisaties. Met zijn vermogen om snel en accuraat weersveranderingen te voorspellen, biedt het model zeilers de mogelijkheid om beter geïnformeerde beslissingen te nemen, wat essentieel is voor veiligheid en strategie tijdens offshore zeilwedstrijden.
Technologische sprong vooruit
GraphCast gebruikt historische weerdata om nauwkeurige voorspellingen te doen, een technologische sprong vooruit vergeleken met traditionele methoden die afhankelijk zijn van numerieke weervoorspellingen. Dit model, getraind op decennia aan weerdata, begrijpt de onderliggende patronen van weersveranderingen, wat resulteert in een superieure voorspellingskracht.
Volgens Google DeepMind is GraphCast in veel gevallen sneller en accurater dan het HRES-systeem van het Europees Centrum voor Weersverwachtingen op Middellange Termijn, ook wel het ECMWF genoemd.
Het door DeepMind ontwikkelde deeplearningmodel, GraphCast, is volgens de ontwikkelaars ook in staat om zeer nauwkeurige weersvoorspellingen te leveren voor de komende tien dagen. Google stelt dat GraphCast eveneens de mogelijkheid heeft om vroegtijdig te waarschuwen voor extreme weersituaties. Dit omvat een preciezere tracking van cyclonen, het identificeren van ‘atmosferische rivieren’ die gekoppeld zijn aan overstromingsgevaren, en het voorspellen van de aanvang van extreme temperatuurveranderingen.
Google heeft in een collegiaal getoetst rapport op Science details over het AI-model gedeeld. Download hier de volledige PDF versie.
Voordelen en nauwkeurigheid van GraphCast
Het GraphCast model belooft niet alleen snellere voorspellingen, maar ook met een hogere nauwkeurigheid dan bestaande systemen. Met meer dan 90% nauwkeurigheid in de voorspelling van weersomstandigheden, kan GraphCast vooral nuttig zijn bij het voorspellen van extreme weersituaties, zoals zware stormen en onverwachte weersveranderingen, die kritiek zijn voor zeilraces.
Google onthult dat GraphCast weersvoorspellingen baseert op twee primaire datasets: de actuele weersomstandigheden en die van zes uur eerder. Met deze gegevens genereert het model voorspellingen voor de eerstvolgende zes uur. Deze methode laat toe om de voorspellingen in stappen van zes uur uit te breiden, waardoor het mogelijk wordt om consequent accurate weersverwachtingen te verkrijgen tot wel tien dagen vooruit.
GraphCast levert voorspellingen met een gedetailleerde resolutie van 0,25 bij 0,25 graden in lengte- en breedtegraden, wat overeenkomt met een gebied van ongeveer 28 bij 28 kilometer rond de evenaar. Dit stelt het model in staat om meer dan een miljoen unieke rasterpunten op aarde te analyseren. Voor elk van deze punten voorspelt GraphCast vijf oppervlaktevariabelen, waaronder temperatuur, windsnelheid en -richting, en gemiddelde luchtdruk op zeeniveau. Daarnaast worden zes atmosferische variabelen op 37 verschillende hoogteniveaus berekend.
Volgens Google DeepMind is GraphCast in meer dan 90% van de 1380 geteste variabelen nauwkeuriger gebleken dan het HRES-systeem van het Europese weercentrum. Deze nauwkeurigheid neemt zelfs toe tot 99,7% bij het voorspellen van weersomstandigheden in de troposfeer.
Verder beweert Google DeepMind dat een GraphCast-voorspelling voor tien dagen binnen slechts één minuut kan worden gegenereerd op een enkel Google Cloud TPU v4-systeem. Ter vergelijking: het genereren van een traditionele tiendaagse weersvoorspelling op een supercomputer met honderden systemen kan uren in beslag nemen. De code van GraphCast is open source gemaakt en gepubliceerd op GitHub, en het Europees Centrum voor Middellange-Termijn Weersverwachtingen (ECMWF) voert al experimenten uit met dit model.
Wat brengt de toekomst
Met de open-source beschikbaarheid van de GraphCast-code en lopende experimenten door Europese weerinstituten, wijst alles erop dat deze technologie spoedig een standaard wordt in de nautische en maritieme wereld.
De snelle en nauwkeurige voorspellingen van GraphCast kunnen de manier waarop zeilwedstrijden worden gerouteerd en tactisch worden uitgevoerd radicaal veranderen, wat leidt tot veiligere en meer voorspelbare zeilomstandigheden.
