Hoe MIT's AI onvoorstelbaar extreem weer kan voorspellen

Sophie Jansen · 2026-08-25

Stel je voor dat je een storm kunt zien aankomen die nog nooit heeft plaatsgevonden. Dat klinkt als science fiction, toch? Maar onderzoekers van MIT hebben het echt mogelijk gemaakt. Ze hebben een AI-tool ontwikkeld die extreem weer kan voorspellen zonder te leren uit historische rampendata. Het is alsof je een weerman bent die verder kan kijken dan zijn eigen geheugen. Best fascinerend. ### De geesten achter de innovatie Deze revolutionaire aanpak is het werk van Kai Chang, een promovendus in werktuigbouwkunde, en professor Themis Sapsis. Samen hebben ze een methode bedacht die kaarten genereert van gebeurtenissen die nog nooit in de historische gegevens van een regio zijn voorgekomen, maar wel statistisch mogelijk zijn. Elke kaart bevat schattingen over de waarschijnlijke duur en intensiteit van het evenement, plus een aparte inschatting van het gebied dat het zou kunnen treffen. Sapsis, die de William I. Koch-leerstoel bekleedt, publiceerde de methode onder de naam 'Extreme Event Aware' of η-learning in Nature Communications. ### De beperking van traditionele modellen Huidige risicomodellen werken heel anders. Verzekeraars, stadsplanners en netbeheerders willen vaak weten hoe een 'eeuwstorm' eruit zou zien voor een specifieke locatie. Maar de huidige simulaties zijn afhankelijk van datasets die al extreme gebeurtenissen bevatten. Chang legt de beperking simpel uit: "Deze methodes gaan ervan uit dat er zeer rampzalige gebeurtenissen zijn die we in de dataset hebben gezien. Vervolgens bouwen ze een methode om het risico van die gebeurtenissen in te schatten, of ze proberen precies de gebeurtenissen te voorspellen die hebben plaatsgevonden." Sapsis maakt het concreet met een voorbeeld: "Een gebeurtenis zoals orkaan Katrina vindt ongeveer elke 30 tot 40 jaar plaats. Maar wat wordt de Katrina die elke 100 jaar voorkomt? Hoe erg zal die zijn? Dat is precies wat we proberen te kwantificeren, om planners te helpen zich voor te bereiden op plausibele extreme scenario's." ### Hoe de nieuwe AI werkt De algoritme combineert twee soorten gegevens op een slimme manier: - **Puntstatistieken**: Deze meten hoe vaak een bepaald intensiteitsniveau (zoals maximale neerslag) voorkomt in een dataset. - **Ruimtelijke kaarten**: Deze laten zien hoe de impact van een gebeurtenis varieert over een regio. Door het statistische verband tussen deze twee te leren, kan het algoritme ruimtelijke patronen bouwen voor gebeurtenissen die verder gaan dan wat er in de trainingsdata zit. Zonder dat het voorbeelden nodig heeft van die specifieke extremen. ### De praktijktest De onderzoekers testten hun aanpak op neerslag in de continentale VS. Ze gebruikten 25 jaar aan uurlijkse neerslaggegevens, samengevoegd tot dagelijkse kaarten. Het bijzondere? Het ruimtelijke model trainden ze met gegevens van slechts de eerste zes maanden van die 25 jaar – een periode met weinig tot geen voorbeelden van de zwaarste regenval. Het algoritme leerde hoe patronen in laagresolutiekaarten overeenkwamen met detail in hoogresolutieversies. Vervolgens paste het de puntstatistieken van het volledige record toe om te bepalen hoe extreem de gegenereerde patronen konden worden. ### Voorbereiden op het ondenkbare De hoogste neerslag ooit gemeten in New York City is 200 millimeter. Deze methode kan plausibele kaarten genereren van een storm die 300 millimeter produceert – een niveau dat geen match heeft in de waarnemingsgeschiedenis. Een gebruiker kan het getrainde algoritme vragen hoe een eeuwstorm eruit zou zien voor een specifieke stad. De output bestaat uit kaarten die statistisch plausibele stormen op die frequentie tonen. Elke kaart heeft zijn eigen grootte en dekking, en de regenintensiteit varieert ook. Dit betekent dat steden en infrastructuur kunnen worden getest tegen worst-case scenario's die nog nooit hebben plaatsgevonden, maar wel zouden kúnnen plaatsvinden. Het is een fundamentele verschuiving in hoe we naar risico's kijken – niet terugkijkend naar wat er was, maar vooruitkijkend naar wat er zou kunnen zijn. Voor professionals in risicobeheer en stadsplanning opent dit deuren naar een nieuwe vorm van voorbereiding. Een die ons hopelijk beter wapent tegen de onvoorspelbaarheid van ons klimaat.