Kunstmatige intelligentie (AI) verandert hoe weer- en klimaatrisico's worden voorspeld in India en daarbuiten. Deze zomer ontvingen 38 miljoen Indiase boeren AI-gestuurde moessonvoorspellingen van NeuralGCM, beschikbaar vier weken voordat de moesson normaal begint. Onderzoekers meldden dat de voorspellingen aangaven dat er na de landfall in begin juni een drie weken pauze in de voortgang van de moesson zou optreden.
NeuralGCM is een hybride model dat traditionele, op natuurkunde gebaseerde voorspellingen combineert met machine learning om de atmosfeer te simuleren. Het model, ontwikkeld door Google, is vergeleken met zowel conventionele fysische modellen als andere AI-benaderingen. Onderzoekers van de University of Chicago zeggen dat NeuralGCM sterke prestaties liet zien op meerdere weer- en klimaatsmetingen en dat het goedkoper was in rekencapaciteit.
De AI-ondersteunde voorspellingen werden gebruikt om boeren te adviseren over zaaiplanning. De software kan op een laptop draaien, wat hoogwaardige voorspellingen toegankelijker maakt in vergelijking met traditionele modellen die vaak dure supercomputers vereisen. Indiase functionarissen en projectpartners benoemden mogelijke economische voordelen; Michael Kremer schatte dat het verspreiden van AI-voorspellingen more than US$100 for farmers for every dollar invested by the government kan opleveren.
Pedram Hassanzadeh benadrukte dat benchmarking van modellen essentieel is. De University of Chicago kreeg steun van de Gates Foundation om modellen te benchmarken over East and West Africa, met focus op regenseizoenen en hittegolven. De Human-Centred Weather Forecasts initiative werd dit jaar gelanceerd en werkt met Bangladesh, Chile, Ethiopia, Kenya en Nigeria; het team plant tien extra landen in 2026 en 15 extra in 2027 en traint meteorologen in laag- en middeninkomenslanden.
Sommige onderzoekers waarschuwen voor risico's: Arun Shanker zei dat berichtgeving aan boeren regenindicatoren moet koppelen aan bodemvocht, tekort aan dampspanning, hitte-stressvoorspellingen en gevoeligheid per groeistadium. Een onjuiste vroegtijdige aanvangsvoorspelling kan zaailingsverlies, herinzaai-kosten en verloren groeiperiode veroorzaken. Hassanzadeh noemde de huidige AI-weermodellen opmerkelijke wetenschappelijke prestaties, maar zei dat het nog onduidelijk is hoe snel alle technische en praktische uitdagingen worden opgelost naarmate het project opschaalt.
Moeilijke woorden
- moessonvoorspelling — voorspelling van regen in het regenseizoenmoessonvoorspellingen
- hybride model — combinatie van natuurkundige modellen en machinaal leren
- fysisch model — model gebaseerd op natuurkundige wetten en processenfysische modellen
- benchmarking — vergelijkende test om prestaties van modellen te meten
- rekencapaciteit — hoeveelheid computerkracht voor berekeningen en modellen
- zaaiplanning — planning wanneer en hoe boeren zaden zaaien
- bodemvocht — hoe nat of droog de bodem op een plek is
- zaailingsverlies — verlies van jonge planten na zaaien of uitdunnen
Tip: beweeg de muisaanwijzer over gemarkeerde woorden in het artikel, of tik erop om snelle definities te zien terwijl je leest of luistert.
Discussievragen
- Welke voordelen en nadelen zie je bij het gebruik van AI-voorspellingen voor boeren in jouw regio? Geef voorbeelden.
- Hoe belangrijk is het dat weersvoorspellingen gekoppeld worden aan bodemvocht en groeistadium, zoals sommige onderzoekers voorstellen? Leg uit.
- Wat zou er volgens het artikel nodig zijn om AI-voorspellingsprojecten op te schalen naar meer landen? Noem enkele stappen of benodigdheden.
Gerelateerde artikelen
Inzamelingen via TikTok in Addis Ababa leiden tot beschuldigingen van fraude
Een TikTok-video over Tamru in Bole leidde tot grote donaties die bedoeld waren om een Bajaj te kopen. Er volgen extra betalingsverzoeken, onduidelijke rekeningen en geen duidelijke administratie, terwijl platforms en betaalregels een rol spelen.
Minder luchtvervuiling in Oost‑Azië versnelt opwarming sinds 2010
Onderzoekers zeggen dat een sterke daling van aerosolen in Oost‑Azië, vooral in China, waarschijnlijk heeft bijgedragen aan een versnelde opwarming van het aardoppervlak sinds circa 2010. Dat heeft al zichtbare regionale gevolgen.