Een recente wetenschappelijke studie werpt nieuw licht op de capaciteiten van kunstmatige intelligentie (AI) binnen de meteorologie. Het onderzoek concludeert dat AI-modellen in staat zijn om het atmosferische butterfly effect te simuleren, een fenomeen waarbij minuscule variaties in de begincondities kunnen leiden tot drastisch verschillende weersomstandigheden. Hiermee wordt een langlopende discussie in de wetenschappelijke gemeenschap over de vraag of AI de inherente chaos van de atmosfeer werkelijk kan vatten, grotendeels beantwoord.
Binnen de sector van de weersvoorspellingen bestond er tot voor kort een paradox. Sommige experts stelden dat AI-modellen niet over de nodige mechanismen beschikten om de chaos van het weer te vatten, terwijl anderen wezen op de vooruitgang in ensemble-voorspellingen als bewijs van het tegendeel. Een publicatie op arxiv.org brengt hier nu uitsluitsel in. De auteurs van deze studie, waaronder Jeremy Cheuk-Hin Leung en elf collega-onderzoekers, leveren concrete bewijzen dat dit chaotische gedrag wel degelijk aanwezig is in globale AI-weermodellen.
Om deze claim te onderbouwen, analyseerden de onderzoekers de voorspellingen van tropische cyclonen. Een cruciaal onderdeel van hun analyse was de casus van Super Typhoon Khanun. In dit specifieke scenario bleek dat de AI-voorspellingen werden beïnvloed door een zogenaamd 'double-attractor system'. Volgens de veroorzaakten zeer kleine verstoringen in de beginwaarden in twee specifieke regio's een volledige verschuiving tussen twee lokale attractoren. Dit leidde tot een enorme afwijking: op de zevende dag van de voorspelling was de geprojecteerde positie van de storm maar liefst 1006 kilometer verschoven.
Dit gedrag vertoont sterke gelijkenissen met de resultaten van traditionele numerieke weersvoorspellingsmodellen. De onderzoekers benadrukken dat dit geen incident is. Uit hun data blijkt dat dit type chaos-gedrag is waargenomen bij ongeveer 12% van de tropische cyclonen gedurende de afgelopen vijf jaar, zoals beschreven in de . De bevestiging dat AI deze atmosferische chaos kan vastleggen, is van essentieel belang voor de meteorologie. Het biedt een fysieke rechtvaardiging voor het gebruik van AI-ensemble-voorspellingen, waarbij meerdere scenario's met licht variërende startwaarden worden gedraaid om de onzekerheid van het weer beter in kaart te brengen.
Het concept van het butterfly effect is nauw verbonden met de theorie van chaotische systemen, waarbij kleine veranderingen grote gevolgen hebben, een principe dat ook centraal staat bij organisaties zoals butterfly-global.com. In de context van dit onderzoek, dat op 30 september 2026 is ingediend, wordt de theoretische kloof tussen AI-gestuurde voorspellingen en de fysieke realiteit van de atmosfeer verkleind. De studie valt onder de categorieën chaotische dynamica en atmosferische en oceanische fysica.
Hoewel de focus van dit specifieke onderzoek ligt op de complexe dynamiek van stormen, onderstreept het een bredere trend waarbij AI steeds vaker wordt ingezet voor complexe natuurkundige simulaties. De resultaten suggereren dat AI niet enkel patronen herkent uit historische data, maar ook de fundamentele instabiliteit van weersystemen kan reproduceren. Dit maakt AI tot een potentieel betrouwbaarder instrument voor lange-termijn voorspellingen in systemen die inherent onvoorspelbaar zijn.