MIT's AI onthult toekomstige weersrampen zonder historische data

Sophie Jansen · 2026-08-25

Stel je voor dat je een storm kunt voorspellen die nog nooit in de geschiedenis heeft plaatsgevonden. Klinkt als sciencefiction, toch? Maar onderzoekers van het MIT hebben het realiteit gemaakt met hun nieuwe AI-tool. Dit verandert alles voor hoe we ons voorbereiden op extreme weersomstandigheden, vooral in een tijd van klimaatverandering. ### Wat maakt deze AI zo bijzonder? Kai Chang, een promovendus in mechanische engineering, en professor Themis Sapsis ontwikkelden deze tool. Het produceert kaarten van extreme weersgebeurtenissen die niet in de historische data van een regio voorkomen, maar wel statistisch mogelijk zijn. Elke kaart geeft schattingen van de duur, intensiteit en het getroffen gebied. Sapsis legt uit: "We willen weten hoe een storm eruitziet die maar eens in de honderd jaar voorkomt. Dat is wat we proberen te kwantificeren." ### De beperkingen van bestaande modellen Huidige risicomodellen zijn afhankelijk van datasets met extreme gebeurtenissen. Chang zegt: "Deze methodes gaan ervan uit dat we zeer rampzalige gebeurtenissen hebben gezien in de data." Maar wat als er iets ergers gebeurt dat nog nooit is voorgekomen? Neem Hurricane Katrina. Sapsis voegt toe: "Een gebeurtenis zoals Katrina gebeurt elke 30 tot 40 jaar. Maar wat wordt de Katrina van elke 100 jaar? Hoe erg zal die zijn?" ### Hoe werkt η-learning precies? De algoritme combineert twee soorten data op een slimme manier. Eerst zijn er puntstatistieken, die bijhouden hoe vaak een bepaalde intensiteit—zoals maximale regenval—voorkomt. Dan zijn er ruimtelijke kaarten, die laten zien hoe de impact van een gebeurtenis varieert over een regio. Door de statistische relatie tussen deze twee te leren, kan de AI ruimtelijke patronen bouwen voor gebeurtenissen die niet in de trainingsdata zitten. Het is getest op neerslag in de VS, met 25 jaar aan gegevens. - **Puntstatistieken**: Meten de frequentie van extreme intensiteiten. - **Spatiale kaarten**: Tonen gedetailleerde verspreiding over een gebied. De training was beperkt tot slechts zes maanden data, maar de AI leerde toch patronen herkennen die tot extreme scenario's leiden. ### Praktische toepassingen voor Nederland Voor professionals in Nederland, zoals verzekeraars en stadsplanners, is dit revolutionair. In New York City is de hoogste geregistreerde regenval 200 millimeter. Deze methode kan geloofwaardige kaarten genereren van een storm die 300 millimeter produceert—iets dat nog nooit is waargenomen. Stel je voor wat dit betekent voor onze kustgebieden of steden als Amsterdam. > "Het helpt planners zich voor te bereiden op plausible extreme scenario's," benadrukt Sapsis. ### Wat betekent dit voor de toekomst? Deze AI opent de deur naar proactief beheer van natuurrampen. In plaats van te reageren op wat er is gebeurd, kunnen we ons voorbereiden op wat er zou kunnen gebeuren. Het is een game-changer voor hoe we omgaan met onzekerheid in weersvoorspellingen. Denk aan infrastructuurprojecten, verzekeringspremies, en noodplannen—alles wordt slimmer en veiliger. Dus, de volgende keer dat je hoort over een nieuwe storm, bedenk dan dat er misschien een AI is die al heeft voorspeld hoe erg het zou kunnen zijn, zelfs als het nog nooit is gebeurd. Dit is niet zomaar een technische doorbraak; het is een stap naar een veerkrachtigere samenleving.