Waarom AI betere weersverwachtingen maakt Why AI Creates Better Weather Forecasts

Weersverwachtingen leunden van oudsher op natuurkundige simulaties die draaien op de grootste supercomputers ter wereld. Die methoden, Numerical Weather Prediction-modellen genoemd, worden beperkt door lange rekentijden en zijn gevoelig voor benaderingen van de natuurwetten waarop ze gebaseerd zijn. Deep learning biedt een nieuwe manier om voorspellingen te berekenen die de weersvoorspelling kan revolutioneren: in plaats van expliciete natuurwetten in te bouwen en het weer in silico te simuleren, leren deep learning-modellen weerpatronen rechtstreeks uit waargenomen data te voorspellen. Google DeepMind heeft meerdere geavanceerde weermodellen - voor zowel de korte termijn (MetNet-3) als de middellange termijn (GraphCast) - die sneller en nauwkeuriger voorspellingen maken dan de huidige standaard in de sector. Ze kunnen voorspellingen in slechts enkele seconden berekenen in plaats van uren, en leveren resultaten met een hogere resolutie in zowel tijd als ruimte. Lees meer over GraphCast op onze blog: https://deepmind.google/discover/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting/ Ontdek wat MetNet-3 van GoogleAI kan: https://blog.research.google/2023/11/metnet-3-state-of-art-neural-weather.html Abonneer je op ons kanaal voor meer: @googledeepmind

Weather forecasts have historically relied on physics-based simulations powered by the world’s largest supercomputers. Such methods, called Numerical Weather Prediction models, are constrained by long computational time, and are sensitive to approximations of the physical laws on which they are based. Deep learning offers a new approach to computing forecasts that stands to revolutionise weather forecasting: rather than incorporating explicit physical laws and attempting to simulate weather in silico, deep learning models learn to predict weather patterns directly from observed data. Google DeepMind has multiple cutting-edge weather prediction models - covering both short-term (MetNet-3) and medium term (GraphCast) weather forecasts - which are able to generate forecasts faster and with higher accuracy than current industry standards. That means they are able to compute forecasts in as little as just a few seconds, compared with hours, and they can deliver results at both higher temporal and spatial resolutions. Learn about GraphCast on our blog: https://deepmind.google/discover/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting/ Discover the capabilities of MetNet-3 from GoogleAI: https://blog.research.google/2023/11/metnet-3-state-of-art-neural-weather.html Subscribe to our channel for more: @googledeepmind