In oktober 2025 broeide er een storm boven de Caraïbische Zee, en de weermodellen waren het oneens. Zou hij boven Haïti uitdoven, of uitgroeien tot een monster en koers zetten naar Jamaica? Enter WeatherNext, het AI-model van Google DeepMind, dat vol vertrouwen het laatste voorspelde - vijf dagen voor de landing zei het met 80 procent zekerheid dat de storm Jamaica zou treffen als een orkaan van categorie 5.

Orkaan Melissa deed precies dat, en richtte chaos aan met overstromingen en aardverschuivingen in heel Jamaica. Maar dankzij de vroege waarschuwing van de AI hadden gemeenschappen meer tijd om zich voor te bereiden. Volgens een paper dat donderdag in Nature is gepubliceerd, geeft WeatherNext voorspellers gemiddeld één extra dag aan voorbereidingstijd - de drie-daagse voorspellingen zijn net zo nauwkeurig als de twee-daagse van eerdere modellen. Zoals Mike Brennan, directeur van het Amerikaanse National Hurricane Center, het zegt: "Tijd is echt goud." Inderdaad, als je voorraden aan het klaarzetten bent en mensen evacueert, is een extra dag praktisch een luxe.

Historisch gezien kostte het een decennium werk om een dag aan voorspellingsnauwkeurigheid te winnen. Dus wat is het geheim? Een AI trainen op veel weergegevens, zelfs als cycloon gegevens schaars zijn. Zoals Ferran Alet, onderzoekswetenschapper bij DeepMind, uitlegt: "We hebben niet zoveel cycloon gegevens, maar we hebben veel weergegevens." Dus trainden ze een model dat goed is in beide.

Orkanen zijn lastig omdat ze op meerdere schalen opereren - spoorvoorspelling heeft mondiale gegevens nodig, terwijl intensiteit lokale details nodig heeft. Eerdere AI-modellen konden het spoor goed voorspellen, maar faalden bij intensiteit. WeatherNext daarentegen doet beide, en het verraste zelfs de onderzoekers. "Ik denk dat iedereen verrast was over hoe goed het presteerde," zegt Kate Musgrave, co-auteur en tropische cycloon lead. Het model was zo goed in retrospectieve tests dat ze sceptisch waren of het in realtime zou werken. Het deed het.

Hier is de clou: de AI gebruikt gegevens met een lagere resolutie dan traditionele modellen, en toch blinkt het uit. Dat heeft wetenschappers in verwarring gebracht, omdat het suggereert dat de inputs met lagere resolutie meer signaal bevatten dan eerder werd gedacht. Alet geeft toe: "Het is uiteindelijk een black box," maar het zou kunnen wijzen op fysica die we nog niet begrijpen.

Het model genereert ook een reeks scenario's - vorig jaar 50 per storm, nu 1.000 - om mogelijke vlindereffecten te vangen. Dat is iets wat traditionele modellen niet kunnen met de huidige rekenkracht. Brennan waarschuwt echter dat WeatherNext slechts één hulpmiddel is, en menselijke expertise essentieel blijft. Immers, "het zijn de gevolgen die mensen doden," niet alleen de voorspelling.

DeepMind maakt de modellen open source, in de hoop dat onderzoekers nieuwe inzichten kunnen ontgrendelen. Alet is enthousiast: "Ik denk dat AI ons nieuwe hulpmiddelen geeft om in de wetten van het universum te prikken." En misschien, heel misschien, houdt het ons een stap voor op de volgende driftbui van het weer.