> ## Content Index
> Fetch the complete content index at: https://ontraadseld.nl/llms.txt
> Use this file to discover other available public pages before exploring further.

# Kunnen we AI-weersvoorspellingen wel vertrouwen in een veranderend klimaat?
- URL: https://ontraadseld.nl/kunnen-we-ai-weersvoorspellingen-wel-vertrouwen-in-een-veranderend-klimaat/
- Published: 2026-10-01T00:15:04.000Z
- Updated: 2026-10-09T13:00:42.000Z
- Author: Ontraadseld
- Tags: klimaat

Je checkt het weerbericht op je telefoon en vertrouwt erop dat het klopt. Steeds vaker zit er kunstmatige intelligentie (AI) achter die voorspelling. Maar een groep onderzoekers waarschuwt nu voor een belangrijk probleem: we testen die AI-modellen vooral op de verkeerde manier.

AI-modellen voor weer en klimaat worden getraind op enorme hoeveelheden data uit het verleden. Daarna worden ze ingezet voor steeds meer taken, van het voorspellen van hittegolven tot het inschatten van overstromingsrisico's. De ontwikkeling van deze modellen gaat razendsnel, sneller dan wetenschappers kunnen bijhouden hoe goed ze eigenlijk zijn.

Het probleem zit in hoe we "goed" meten. Op dit moment worden deze modellen bijna altijd beoordeeld op basis van statistische prestaties: hoe dicht hun voorspelling bij bekende, gemeten data in de buurt komt. Dat zegt alleen iets over hoe goed een model patronen uit het verleden kan nabootsen. Het zegt niets over of een model ook snapt hoe het weer en klimaat natuurkundig werken, bijvoorbeeld hoe warme lucht opstijgt of hoe oceaanstromingen warmte verplaatsen.

Dat verschil klinkt misschien academisch, maar heeft grote praktische gevolgen. Stel dat een AI-model heel goed is getraind op data van de afgelopen dertig jaar. Zolang het klimaat zich hetzelfde blijft gedragen, werkt dat prima. Maar ons klimaat verandert: extreme hitte, andere regenpatronen, smeltend ijs. Dit zijn situaties die niet in de trainingsdata van het model zaten. Een model dat alleen patronen herkent, kan dan de mist ingaan, juist op de momenten dat een betrouwbare voorspelling het hardst nodig is.

De onderzoekers noemen dit het verschil tussen "voorspellingskwaliteit" en "natuurkundige betrouwbaarheid". Een model kan heel scherp scoren op de eerste, en toch onbetrouwbaar zijn op de tweede. Dat wordt vooral riskant bij extreme of nieuwe weersituaties, precies de situaties die door klimaatverandering vaker gaan voorkomen.

Om dit aan te pakken, stellen de onderzoekers vijf aandachtspunten voor. Die gaan over de data waarmee modellen getraind worden, hoe modellen worden bijgeschaafd voor specifieke taken, hoe je hun gedrag test, hoe je doorgrondt wát een model eigenlijk "geleerd" heeft, en hoe je de uiteindelijke voorspellingen controleert.

Concreet raden ze drie dingen aan voor de komende tien jaar: open datasets waarmee iedereen AI-modellen op natuurkundige betrouwbaarheid kan testen, een gedeelde standaard waarmee onderzoekers wereldwijd op dezelfde manier rapporteren, en een apart onderzoeksprogramma gericht op de veiligheid van deze modellen.

**Wat betekent dit (nog) niet:** Dit onderzoek is geen bewijs dat bestaande AI-weermodellen nu al onbetrouwbaar zijn of verkeerde voorspellingen geven. Het is een oproep van één onderzoeksgroep om beter te testen, niet een vaststelling dat er al iets misgaat. Er worden ook geen concrete foutmarges of voorbeelden van mislukte voorspellingen genoemd in dit stuk, het gaat om een aanbeveling voor toekomstig onderzoek.

Bron: [Strategic Governance of AI Models in Earth Science](http://arxiv.org/abs/2610.10560v1?ref=ontraadseld.nl)