Aurora AI-basismodel gaat verder dan alleen weersvoorspellingen #genai
De opvallende weersomstandigheden komen steeds vaker voor en zetten metingen onder druk om zich voor te bereiden op allerlei rampen. Die hebben niet alleen het potentieel om levens te eisen en huizen te verwoesten, maar ook om stroomnetten uit te schakelen, oogsten te vernietigen en scheepvaartroutes te verstoren.
Hoewel steeds krachtigere AI-modellen nieuwe mogelijkheden bieden om het weer beter te voorspellen, beschrijft een recent artikel in Nature hoe een funderingsmodel, genaamd Aurora, gebruikmaakt van de nieuwste AI-ontwikkelingen om niet alleen het weer nauwkeuriger te voorspellen, maar ook een breed scala aan milieugebeurtenissen. Dit blijkt uit een reeks terugblikkende analyses van onder meer orkanen, tyfoons, luchtkwaliteit en oceaangolven. Aurora, ontwikkeld door Microsoft Research, doet dit bovendien met een hogere nauwkeurigheid, grotere snelheid en aanzienlijk lagere rekenkosten dan traditionele numerieke weersvoorspellingen en eerdere AI-methodes.
Een funderingsmodel is een grootschalig AI-model dat is getraind op een breed scala aan gegevens. Aurora is uniek omdat het niet beperkt is tot AI-weerpredictie — dat is slechts één van de toepassingen waarin het uitblinkt. Wat Aurora onderscheidt, is dat het vanaf het begin is opgezet als een funderingsmodel en vervolgens verfijnd kan worden om verder te gaan dan traditionele weersvoorspellingen, zoals het voorspellen van luchtvervuiling. Tijdens de ontwikkeling hebben onderzoekers het model afgestemd op uiteenlopende voorspellingsdoelen, waaronder oceaangolven en tropische cyclonen. Zo toont Aurora zich niet alleen als een funderingsmodel voor de atmosfeer, maar voor het volledige aardsysteem.
Zoals gerapporteerd in Nature, voorspelde Aurora tijdens tests met hoge nauwkeurigheid de landfall van tyfoon Doksuri op de Filipijnen, vier dagen voordat het daadwerkelijk gebeurde. De officiële voorspellingen daarentegen plaatsten de storm onterecht voor de noordkust van Taiwan.
In dit recente onderzoek versloeg Aurora ook het National Hurricane Center in het voorspellen van de vijfdaagse trajecten van tropische cyclonen — een primeur voor een machine learning-model. De onderzoekers melden bovendien dat Aurora wereldwijd beter presteerde dan zeven toonaangevende voorspellingscentra bij alle cycloonvoorspellingen voor het seizoen 2022-2023.
De nauwkeurigheid van Aurora’s voorspellingen voor het verloop van cyclonen benadrukt het belang van initiële training met enorme hoeveelheden diverse data.
Luchtkwaliteitsvoorspelling tegen een fractie van de kosten van traditionele methoden
Op 13 juni 2022 werd Irak getroffen door een verwoestende zandstorm, één van de tien soortgelijke stormen dat jaar. De oorzaak lag in een combinatie van extreme droogte, bodemdegradatie en hoge temperaturen. De storm hulde Bagdad en omliggende gebieden in dikke stofwolken, waardoor duizenden mensen met ademhalingsproblemen naar het ziekenhuis moesten en het lokale vliegveld tijdelijk werd gesloten.
In een andere casestudy, aangehaald in het Nature-artikel, voorspelde Aurora deze zandstorm in Irak één dag van tevoren — en dat tegen een fractie van de kosten van traditionele modellen voor luchtkwaliteitsvoorspelling. Dit resultaat is bijzonder, aangezien luchtkwaliteitsdata veel beperkter zijn dan weerdata. Doordat Aurora eerst wordt getraind op een grote en diverse dataset, kan het model vervolgens effectief worden verfijnd met relatief weinig specifieke luchtkwaliteitsinformatie.