AI-modellen en platforms

Google’s WeatherNext 2 wint een volledige dag aan cyclonewaarschuwing en gaat open source

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Google heeft een peer-reviewed resultaat gepubliceerd voor zijn WeatherNext AI-weermodel, waarin hij beweert dat hij state-of-the-art-nauwkeurigheid heeft in het voorspellen van tropische cyclonen en een voorsprong van ongeveer een decennium van meteorologische vooruitgang in één systeem. Het artikel verscheen in Nature op 6 augustus 2026, en Google maakt de modellen open source beschikbaar naast het artikel.

Het belangrijkste cijfer is de voorsprong. Voor cyclonen van 2023 tot 2025 hebben de voorspellingen van WeatherNext voor het spoor, de intensiteit en de windsnelheid van cyclonen gemiddeld een voorsprong van een dag of meer ten opzichte van de leidende operationele modellen – wat betekent dat zijn driedaagse voorspelling overeenkomt met wat eerder systemen twee dagen geleden leverden. In cyclonenvoorspellingen, waar evacuatie- en voorbereidingsbeslissingen afhankelijk zijn van uren, is dat de marge die ertoe doet.

Het onderzoek was een samenwerking tussen Google DeepMind en Google Research onderzoekers en operationele weersvoorspellers bij het National Hurricane Center, het Cooperative Institute for Research in the Atmosphere en het UK Met Office, waarvan verschillende mede-auteurs zijn van het artikel.

Wat het Nature-artikel rapporteert

Het artikel introduceert WeatherNext Cyclones, een AI-model dat ensemble-voorspellingen produceert van het spoor, de intensiteit en de grootte van een tropische cycloon tot 15 dagen vooruit. In een evaluatie tegenover leidende operationele systemen op stormen van 2023-2025, behaalde het een gemiddelde voorsprong van 24 uur of meer in alle drie de metingen: een verbetering die de auteurs beschrijven als vergelijkbaar met een decennium van operationele vooruitgang.

De trainingsdata combineerden wereldwijde atmosferische analyse met de IBTrACS-database van bijna 5.000 historische stormen. Het model gebruikt Functionele Generatieve Netwerken om waarschijnlijkheidsverdelingen te produceren in plaats van enkele voorspellingen, en het schaalt tot 1.000-ledige ensembles (twintig keer de 50-ledige runs van het vorige systeem), wat zeldzame maar gevolgrijke gebeurtenissen zoals snelle intensivering beter vastlegt.

Een van de bevindingen springt eruit vanwege wat het in twijfel trekt. Hoge ruimtelijke resolutie is lange tijd beschouwd als de prijs voor nauwkeurige intensiteitsvoorspellingen. WeatherNext Cyclones draait op 28 bij 28 kilometer invoer, ongeveer 100 keer grover dan traditionele regionale modellen, en een compacte variant, WeatherNext 2-mini, werkt bij 111 bij 111 kilometer en presteert nog steeds goed. Het artikel stelt dat hoge resolutie geen strikte voorwaarde is voor state-of-the-art-intensiteitsvoorspellingen, en de onderzoekers merken op dat ze nog niet volledig begrijpen hoe het model intensiteitssignalen uit grovere gegevens extrahiert. Ze markeren het als een open onderzoeksvraag voor de gemeenschap nu de gewichten openbaar zijn.

Al getest in een operationeel seizoen

De evaluatie is niet puur retrospectief. Tijdens het Atlantische orkaanseizoen van 2025, draaide het model naast de operationele workflow van het National Hurricane Center en hielp weersvoorspellers om de snelle intensivering en landing van orkaan Melissa in Jamaica te voorspellen ver genoeg van tevoren om een vroege waarschuwing te ondersteunen. Het 2025-verificatieverslag van de NHC documenteert de voorspellingsprestaties van het seizoen. Dit jaar genereert het systeem 1.000 mogelijke scenario’s per cycloon om de besluitvorming van weersvoorspellers te ondersteunen.

Tropische cyclonen hebben meer dan 700.000 doden en 1,4 biljoen dollar aan economische verliezen veroorzaakt in de afgelopen 50 jaar, volgens cijfers die worden genoemd in de DeepMind-post. De kosten van voorspellingsfouten worden gemeten in beide.

Wat Google vrijgeeft

De open-source vrijgave omvat drie modelvarianten: WeatherNext Cyclones, de versie die tijdens het orkaanseizoen draaide en waarvan de resultaten in het artikel worden weergegeven; WeatherNext 2, de latere update die Google in oktober 2025 operationeel maakte; en WeatherNext 2-mini, de compacte versie die draait op één TPU in een gratis Colab-notebook. Code en gewichten voor alle drie zijn beschikbaar op GitHub.

Voorspellingen zijn ook te verkennen op Weather Lab, die Google heeft uitgebreid van cyclonentracking tot volledige wereldwijde voorspellingen die temperatuur, neerslag en windsnelheid dekken. Beide modellen en Weather Lab zitten binnen Google Earth AI. Een enkele 15-daagse voorspelling duurt minder dan een minuut op één TPU. De beperking op adoptie is nu expertise en integratie, niet compute.

Jonas Reeve is een AI-gegenereerde analist bij Unite.AI, met focus op cognitieve AI, kunstmatige algemene intelligentie (AGI) en de theoretische grondslagen van machinale intelligentie. Zijn werk onderzoekt hoe leren, redeneren, geheugen en abstractie ontstaan in zowel biologische als kunstmatige systemen, en legt verbanden tussen moderne AI-architecturen en eeuwenoude vragen in de cognitieve wetenschap en de filosofie van de geest.

Met een conceptuele en reflectieve benadering onderzoekt Jonas kaders zoals redeneermodellen, agentensystemen, emergente cognitie en uitlijningstheorie, met als doel te verduidelijken wat vooruitgang richting AGI werkelijk betekent – en wat het niet betekent. In plaats van te jagen op tijdlijnen of hype, legt hij de nadruk op eerste principes, conceptuele strengheid en de grenzen van de huidige modellen.

Artikelen geschreven door Jonas Reeve zijn AI-gegenereerd en worden beoordeeld door de redactie van Unite.AI om nauwkeurigheid, duidelijkheid en een verantwoordelijke bespreking van geavanceerde AI-concepten te waarborgen.