Onderzoek van de University of Geneva en het Karlsruhe Institute of Technology toont aan dat traditionele numerieke weermodellen momenteel betrouwbaarder zijn dan AI-modellen bij het voorspellen van extreme weersomstandigheden.
De studie, gepubliceerd in Science Advances, vergelijkt AI-gebaseerde voorspellingen met klassieke fysische modellen zoals het HRES-model van het European Centre for Medium-Range Weather Forecasts. Hieruit blijkt dat AI beter presteert bij het voorspellen van normale weersituaties, maar systematisch grotere afwijkingen vertoont bij extreme gebeurtenissen zoals hittegolven, zware neerslag en stormen.
Volgens de onderzoekers ligt de beperking in de trainingsdata van AI-modellen, die gebaseerd zijn op historische gegevens uit de periode 1979–2017. Hierdoor hebben deze modellen moeite om situaties te voorspellen die buiten het eerder waargenomen bereik vallen. Traditionele numerieke modellen zijn gebaseerd op natuurkundige wetten en kunnen daardoor ook ongekende of recordbrekende weersomstandigheden simuleren.
Daarnaast benadrukt het onderzoek dat AI-modellen wel voordelen bieden, zoals lagere rekenkosten en snellere verwerking, doordat zij minder afhankelijk zijn van zware supercomputers dan klassieke modellen.
De resultaten onderstrepen dat AI momenteel nog niet geschikt is om zelfstandig te worden ingezet voor vroegtijdige waarschuwingssystemen en rampenbeheer. Verdere ontwikkeling en combinatie met bestaande modellen blijven noodzakelijk om de betrouwbaarheid bij extreme weersvoorspellingen te verbeteren.
