AI helpt boeren met moessonvoorspellingen in India ^{CEFR B2}

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.