EnglishAI-techniek maakt weersverwachtingen voor twee tot zes weken vooruit een stuk beter
Onderzoekers van Microsoft, MIT, het Europese weercentrum ECMWF en andere instellingen leren een computer de vaste fouten van weermodellen te herkennen en te herstellen. De winst is het grootst rond de evenaar; in Kenia wordt de techniek al getest.
Een weerbericht voor morgen of overmorgen klopt meestal aardig. Maar wie wil weten of het over drie of vier weken nat of droog wordt, heeft weinig aan de huidige weermodellen. Na ongeveer twee weken worden ze onbetrouwbaar, en dat geldt zowel voor de klassieke modellen die met natuurkunde rekenen als voor de nieuwere AI-modellen. Juist die periode van twee tot zes weken is belangrijk voor boeren, energiebedrijven en hulpdiensten, omdat zij dan nog tijd hebben om zich voor te bereiden.
Een team van onderzoekers van onder meer Microsoft Research, MIT, Harvard, de Universiteit van Toronto en het Europees Centrum voor Weersverwachtingen op Middellange Termijn (ECMWF) heeft daar een oplossing voor bedacht. Ze publiceerden hun werk op 14 oktober 2026 in het wetenschappelijke tijdschrift Nature.
Leren van oude fouten
Hun techniek heet Probabilistic Bias Correction, kort PBC. Het is geen nieuw weermodel. Het is een extra stap die achter een bestaand model wordt gezet, een soort nakijker.
Elk weermodel maakt fouten die steeds terugkomen. Het ene model voorspelt in een bepaald gebied bijvoorbeeld structureel te veel regen, het andere zit in de winter vaak te warm. PBC bekijkt de oude voorspellingen van een model en vergelijkt die met het weer dat echt kwam. Zo leert het welke fouten dat model maakt. Bij een nieuwe voorspelling past PBC daarna de kansen aan: niet "het gaat regenen", maar bijvoorbeeld "de kans op een natte week is 70 procent in plaats van 50 procent". Volgens Lester Mackey van Microsoft Research werkt het met elk model dat je erin stopt.
Wat het oplevert
Toegepast op het weermodel van het ECMWF verbeterde PBC volgens de onderzoekers de voorspelling voor 98 procent van de onderdelen voor neerslag, 92 procent voor temperatuur en 91 procent voor luchtdruk. Bij het AI-weermodel van het ECMWF verdubbelde de betrouwbaarheid van de voorspelling voor deze periode. Ook extreem weer, zoals een heel natte of heel droge week, werd beter voorspeld. Dat is opvallend, omdat oudere correctiemethoden voorspellingen juist naar het gemiddelde trekken en extremen daardoor slechter maken.
De techniek deed ook mee aan de AI Weather Quest, een wedstrijd van het ECMWF die in augustus 2025 begon. Daarbij voorspellen teams elke week het weer van de komende weken, en pas achteraf blijkt wie het best zat. Het team van de onderzoekers werd in het eerste seizoen van drie maanden eerste voor elk onderdeel. Het versloeg zes grote weerdiensten en 34 andere teams, en bleef ook over een heel jaar het nauwkeurigst. Begin 2026 zag hun systeem volgens Microsoft twee zware winterstormen in de Verenigde Staten 19 tot 26 dagen van tevoren aankomen.
Eerst in Kenia
PBC is gratis beschikbaar als open source en heeft geen supercomputer nodig. Daardoor kunnen ook weerdiensten met weinig geld het gebruiken. De weerdienst van Kenia test de techniek nu, met hulp van de non-profitorganisatie Rhiza Research en geld van de Gates Foundation. Volgens Phillip Okello, meteoroloog bij de Keniaanse weerdienst, verbeterde PBC de verwachtingen voor de Hoorn van Afrika meer dan elke andere methode die ze probeerden. Dat komt goed uit: er wordt een heel sterke El Niño verwacht, een verschijnsel in de Grote Oceaan dat het weer in Oost-Afrika flink kan beïnvloeden. Microsoft biedt daarnaast een eigen weermodel met deze techniek aan een kleine groep klanten aan.
Kanttekeningen
De grote cijfers komen van de onderzoekers zelf. Onafhankelijke klimaatwetenschappers in Spanje wijzen erop dat de winst vooral rond de evenaar zit. Voor Europa is de verbetering voorlopig een stuk kleiner. Ook zeggen ze dat een verdubbeling indrukwekkend klinkt, maar dat de voorspellingen voor deze periode vooraf nog weinig betrouwbaar waren. De techniek kan bovendien alleen fouten herstellen die een model steeds maakt; zeldzame situaties waarin het model helemaal mis zit, lost hij niet op.
Matthew Chantry, die bij het ECMWF het werk aan machine learning leidt, noemt het onderzoek een mooi voorbeeld van nieuwe ideeën. Hij benadrukt wel dat de stap van een goed idee naar dagelijks gebruik bij een weerdienst de moeilijkste is. De volgende stap is dus laten zien dat de techniek ook in de dagelijkse praktijk zijn werk doet.
Wat betekent dit voor de weg naar de singulariteit?
Betrouwbare verwachtingen voor twee tot zes weken vooruit geven boeren, energiebedrijven en hulpdiensten tijd die ze nu niet hebben: om later te zaaien, voorraden aan te leggen of mensen te waarschuwen. Het bijzondere is dat dit geen enorm nieuw AI-model vraagt. Een klein systeem dat leert van de fouten van bestaande modellen, maakt ze al een stuk beter, en dat zonder supercomputer. Zo kan goede weersverwachting ook bereikbaar worden voor landen die het hardst door droogte en zware regen worden geraakt.
