Rémi Lam had gehoord over de microklimaten van San Francisco, maar hij begreep hun eigenaardigheid pas echt toen hij dit jaar daarheen verhuisde. "De straat waar ik woon kan mistig zijn, terwijl het twee blokken verderop zonnig is, " zegt hij. Weersvoorspellingen voor de stad kunnen sterk afwijken, afhankelijk van de locatie. Zelfs geavanceerde weersvoorspellingen kunnen de microklimaten in de stad niet nauwkeurig voorspellen. Als onderzoeker bij Google DeepMind in Londen heeft Lam zich uitgebreid gericht op weer en voorspellingen. Hij is een koploper in het gebruik van machine learning om weersvoorspellingen te verbeteren, een gebied dat de laatste jaren snel vooruit is gegaan, met Lam en zijn collega's in de voorhoede. Ze zijn niet de enigen in deze zoektocht. Verschillende groepen, waaronder Microsoft, Nvidia, Huawei en het Europese Centrum voor Weersvoorspellingen op Middellange Termijn (ECMWF) in Reading, VK, strijden om door AI ondersteunde weersvoorspellingen te ontwikkelen. Het project GraphCast, aangedreven door Lam, was dit jaar voor een groot deel toonaangevend in nauwkeurigheid (R. Lam et al. Science 382, 1416–1421; 2023). "GraphCast verhoogde de norm voor voorspellingsvaardigheid, " zegt Matthew Chantry, ECMWF's leider in AI-gebaseerde weersvoorspellingen. Traditionele weersvoorspellingen zijn complexe programma's die de atmosferische evolutie van de aarde simuleren op basis van lucht-, warmte- en waterdampdynamiek.

GraphCast, een kunstmatig neuraal netwerk dat is gestructureerd als een wereldwijd raster, werd 'getraind' met echte atmosferische metingen zonder expliciete fysische wetten. Opmerkelijk genoeg overtroffen de voorspellingen die het leverde de conventionele. "Ik was verrast dat het zo snel beter presteerde dan op natuurkunde gebaseerde voorspellingen, " zegt Lam. Hoewel het trainen van AI veel rekenkracht vereist, draaien de voorspellingen binnen een minuut op een geavanceerde desktopcomputer—veel sneller dan de uren die nodig zijn voor conventionele supercomputerprognoses. Geboren in een voorstad van Parijs in 1988, werd Lam opgeleid als lucht- en ruimtevaartingenieur in Frankrijk en de VS. Zijn expertise in statistische modellering van vloeistofmechanica bleek waardevol voor AI-toepassingen. DeepMind, met zijn missie om wetenschappelijke uitdagingen aan te pakken, was een perfecte match. "Er is gewoon geen betere plek voor machine learning, " zegt hij. Maria Molina, een atmosferisch wetenschapper aan de Universiteit van Maryland in College Park die AI toepast op weer- en klimaatmodellering, waardeert de inspanningen van Google om hun weersmodellen tot nu toe openbaar toegankelijk te maken. Ze uit een zorg over toekomstige toegankelijkheid en zegt: "Wanneer zou dat goede willen kunnen eindigen?" Het zou problematisch kunnen worden als bedrijven een monopolie op de beste voorspellingen zouden krijgen, vooral voor extreme weersomstandigheden. "Toegang tot levensreddende informatie zou nooit afhankelijk mogen zijn van publieke betaling. "