Google DeepMind heeft GenCast geïntroduceerd, een AI-weervoorspellingsmodel dat de huidige systemen overtreft. Gepubliceerd in Nature, is GenCast het tweede recente AI-weermodel van DeepMind, na NeuralGCM van juli, dat AI integreerde met op fysica gebaseerde methoden en minder rekenkracht vereiste maar vergelijkbaar presteerde als conventionele voorspellingen. In tegenstelling tot NeuralGCM, vertrouwt GenCast volledig op AI, vergelijkbaar met hoe ChatGPT tekst voorspelt, door waarschijnlijke weersomstandigheden te voorspellen met behulp van geleerde patronen van het vergelijken van voorspellingen met daadwerkelijke weersgegevens. Het was getraind op 40 jaar aan gegevens van 1979 tot 2018 en presteerde beter dan de momenteel beste Ensemble Forecast (ENS) bij het voorspellen van het weer in 2019, 97% van de tijd, vooral voor wind en extreme gebeurtenissen zoals tropische cyclonen. Dit verhoogt de efficiëntie van windenergie en rampenplanning. Andere technische giganten maken ook gebruik van AI voor weersvoorspelling. Nvidia bracht FourCastNet uit in 2022 en in 2023 lanceerde Huawei zijn Pangu-Weathermodel, gericht op deterministische voorspellingen.

In tegenstelling hiermee biedt GenCast probabilistische voorspellingen, met schattingswaarschijnlijkheden, wat helpt bij het beoordelen van verschillende weerscenario's voor betere planning. Hoewel revolutionair, vervangt GenCast de conventionele meteorologie niet. Het is afhankelijk van historische gegevens, die kunnen tekortschieten onder veranderende klimatologische omstandigheden, en een dataset zoals ERA5 die voortkomt uit op fysica gebaseerde modellen. Veel atmosferische variabelen vereisen schattingen op basis van fysica omdat ze niet direct waarneembaar zijn, waardoor voortdurende gegevensupdates noodzakelijk zijn. Zoals opgemerkt door Aaron Hill van de Universiteit van Oklahoma en Ilan Price van DeepMind, is consistente gegevensinvoer cruciaal voor modelnauwkeurigheid in de loop van de tijd. Toekomstige plannen omvatten het testen van modellen met gegevens van directe waarneming, zoals wind of vochtigheid. Huidige AI-modellen staan voor uitdagingen, zoals het voorspellen van omstandigheden in de bovenste troposfeer of cycloonintensiteit vanwege beperkte data. De makers van GenCast zien een samenwerking met meteorologen voor zich om voorspellingen te verbeteren, waarbij de nadruk ligt op menselijke expertise voor het integreren van diverse gegevensinputs en het maken van weloverwogen beslissingen.