Kun je extreem weer later ombuigen met een klein zetje? Onderzoekers testen het idee
Een orkaan die met een piepklein duwtje wordt afgebogen voordat hij echt gevaarlijk wordt. Het klinkt als sciencefiction, maar een groep onderzoekers onderzocht serieus of dit in theorie zou kunnen werken, met hulp van kunstmatige intelligentie (AI).
Het weer is extreem gevoelig voor kleine veranderingen. Dat heet in de wetenschap chaos: een heel klein verschil in de begintoestand kan later tot grote veranderingen leiden. Dit principe staat ook wel bekend als het "vlindereffect". De onderzoekers draaiden deze gedachte om. Als kleine verschillen grote gevolgen kunnen hebben, kun je dan ook met een heel klein, precies geplaatst duwtje het weer juist een andere, mildere kant op sturen? Ze noemen deze aanpak "Weather Jiu-Jitsu", vernoemd naar de vechtsport waarbij je de kracht van je tegenstander tegen hem gebruikt in plaats van er zelf kracht tegenover te zetten.
Dit idee was eerder al wiskundig aangetoond in een heel eenvoudig model van het weer, het zogeheten Lorenz-63-systeem. Daarin lukte het om met extreem kleine aanpassingen een onvoorspelbaar, wisselend patroon vast te houden in één stabiele toestand. Maar zo'n eenvoudig wiskundig model is natuurlijk niet hetzelfde als het echte, complexe weer op aarde.
Testen met een AI-weermodel
Daarom gingen de onderzoekers een stap verder. Ze gebruikten Aurora, een AI-weermodel van Microsoft met 1,3 miljard instelbare rekenparameters (variabelen die het model gebruikt om patronen te herkennen en voorspellingen te doen). Ze stelden zichzelf drie vragen: is Aurora betrouwbaar genoeg om als testomgeving te dienen? Zijn de benodigde aanpassingen klein genoeg om natuurkundig realistisch te zijn? En vertoont de "interne logica" van het model structuur die bruikbaar zou kunnen zijn om weerpatronen te sturen?
Op alle drie de punten vonden de onderzoekers aanwijzingen die positief uitpakten. Aurora reageerde op kleine aanpassingen op een manier die niet simpelweg ruis of toeval was. De aanpassingen die nodig waren, bleken klein te zijn in vergelijking met de onzekerheid die het model sowieso al heeft in zijn voorspellingen. En de interne representaties van het model, de manier waarop het patronen intern "opslaat", vertoonden een duidelijke, richtinggevende structuur die reageerde op dit soort kleine ingrepen.
Wel is er een belangrijke kanttekening: deze interne structuur maakte nog geen duidelijk onderscheid tussen extreme en normale weersomstandigheden. Het model "weet" dus nog niet goed zelf wat gevaarlijk weer is en wat niet.
Dit onderzoek is geen bewijs dat we straks orkanen of hittegolven kunnen sturen. De onderzoekers hebben geen enkele daadwerkelijke sturing uitgevoerd op het model, alleen onderzocht of het in theorie haalbaar zou kunnen zijn. Ze noemen hun eigen bevindingen nadrukkelijk "verkennend", vooral wat betreft de interne structuur van het model. Dit is bovendien één onderzoeksgroep die één AI-model test, niet het echte weer op aarde. Er is nog geen enkele praktische toepassing in zicht.
Dit onderzoek laat vooral zien dat het idee de moeite waard is om verder te onderzoeken, niet dat het al werkt. Mocht het ooit praktisch toepasbaar worden, dan ligt dat nog ver in de toekomst en vraagt het nog talloze vervolgstappen, waaronder het daadwerkelijk testen van een sturing in plaats van alleen het meten van de mogelijkheid ertoe.
Bron: Weather Jiu-Jitsu: Exploring the Feasibility of Control Paradigms in Weather Foundation Models