> ## 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.

# Kunstmatige intelligentie helpt natuurlijke klimaatschommelingen te onderscheiden van menselijke opwarming
- URL: https://ontraadseld.nl/kunstmatige-intelligentie-helpt-natuurlijke-klimaatschommelingen-te-onderscheiden-van-menselijke-opwarming/
- Published: 2026-09-04T17:05:49.000Z
- Updated: 2026-09-16T09:45:56.000Z
- Author: Ontraadseld
- Tags: klimaat

Stel je voor: het is een zachte winter geweest. Komt dat door de opwarming van de aarde, of gewoon door toeval in het weer? Die vraag is voor wetenschappers al jaren lastig te beantwoorden. Nieuw onderzoek laat zien dat een vorm van kunstmatige intelligentie hierbij kan helpen.

Het klimaat verandert altijd een beetje, ook zonder menselijke invloed. Denk aan warme of koude jaren die vanzelf ontstaan door natuurlijke processen in de atmosfeer en de oceaan. Wetenschappers noemen dit "interne variabiliteit": schommelingen die ook zouden gebeuren als er geen mensen op aarde waren.

Daarnaast is er opwarming die wél door mensen komt, vooral door de uitstoot van broeikasgassen en kleine deeltjes in de lucht (aerosolen genoemd). Dit heet "geforceerde variabiliteit". Het probleem: in de praktijk zijn deze twee soorten verandering door elkaar gemengd. Je kunt aan een enkel warm jaar niet zomaar zien welk deel natuurlijk is en welk deel door de mens komt.

### Een computerprogramma dat patronen herkent

Een onderzoeksteam gebruikte een zogeheten U-Net: een computermodel dat normaal gesproken wordt gebruikt om patronen in foto's te herkennen, bijvoorbeeld voor gezichtsherkenning. Ze trainden dit model met klimaatgegevens van 1950 tot 2022, afkomstig uit vijf verschillende klimaatmodellen die elk veel keer zijn doorgerekend met kleine verschillen in de startomstandigheden.

Door het model te trainen op data van vier klimaatmodellen en te testen op het vijfde, konden de onderzoekers checken of het systeem goed werkt op gegevens die het nog niet eerder had gezien.

Het resultaat: bij lokale maandelijkse temperaturen zat het model er gemiddeld tussen de 0,1 en 0,4 graad Celsius naast bij het inschatten van de door mensen veroorzaakte opwarming. Dat is niet meer dan de helft van de opwarming die het model probeerde te meten. Het AI-model deed het daarmee beter dan een simpelere wiskundige methode die vaak wordt gebruikt om trends te berekenen.

**Wat betekent dit (nog) niet:** Dit is één onderzoek, geen definitief bewijs voor alle situaties. Het model werkte minder goed voor luchtdruk en neerslag, omdat bij die factoren natuurlijke schommelingen relatief groter zijn dan de menselijke invloed. Ook onderschatte het model de opwarming bij het klimaatmodel dat het gevoeligst reageert op broeikasgassen. De onderzoekers zeggen zelf dat het systeem beter kan worden met meer trainingsdata van meer klimaatmodellen.

Waarom is dit belangrijk? Als wetenschappers beter kunnen scheiden wat natuurlijk is en wat door mensen komt, kunnen ze nauwkeuriger voorspellen hoe het klimaat zich verder ontwikkelt. Dat helpt bijvoorbeeld bij het inschatten van extreme weersomstandigheden, of bij het beoordelen of een bepaalde hittegolf ongewoner is dan je zou verwachten door toeval alleen.

Bron: [Disentangling Internal and Forced Climate Variability with Convolutional Neural Networks using Multivariate Fields](http://arxiv.org/abs/2609.05359v1?ref=ontraadseld.nl)