“We gaan twee werelden bij elkaar brengen: de wereld van weer & klimaat en de wereld van het water”, vertelt Hanneke van der Klis, wiskundige en Topadviseur AI in Science bij Deltares. “Op het gebied van water en klimaatadaptatie heeft Nederland namelijk echt een vooraanstaande rol in de wereld, maar het is niet vanzelfsprekend dat dat zo blijft. Om die koppositie te behouden moeten we bijblijven met nieuwe ontwikkelingen als AI, machine learning, quantumalgoritmes en rekenen met snellere hardware. Het bijbenen van al deze razendsnelle ontwikkelingen kan alleen door onze krachten te bundelen.”

Doel van het programma is te onderzoeken hoe modellen voor de weersverwachting, klimaatverandering en het waterbeheer – zoals waterstanden of de zoetwaterverdeling – kunnen profiteren van nieuwe rekentechnieken. “We zijn geïnspireerd door wat er in het meteorologisch domein al bereikt is met AI”, vertelt Philippe Steeghs, strategisch adviseur bij het KNMI. “Voor het weermodel van het European Centre for Medium-Range Weather Forecasts, dat aan de basis ligt van de Nederlandse weersverwachting, is met machine learning een AI-variant ontwikkeld die even goed presteert als het conventionele model.”

Tijdswinst
Het doorrekenen van fysische vergelijkingen voor weers- en klimaatverwachtingen vergt een grote rekencapaciteit en lange rekentijd. “Voor onze weersverwachting zijn de grootste supercomputers van Europa nodig. Het bouwen en trainen van AI-modellen kost een nog grotere rekenkracht en langere rekentijd, maar als je eenmaal een betrouwbaar AI-model gemaakt hebt, kan dit model binnen een tijdsbestek van seconden of minuten, en op een normale laptop, dezelfde uitkomst als conventionele modellen geven. Dat is de grote doorbraak van AI-modellen”, aldus Steeghs.

Op de tijdsschaal van het weer is het valideren van een AI-model nog goed te doen. Of een AI-model dezelfde uitkomst als een conventioneel model geeft, kan men binnen een tijdsbestek van enkele dagen of weken toetsen door uit het raam te kijken. “Bij het klimaat en adaptatie van het waterbeheer gaat het echter om vooruitkijken op een aanzienlijk langere tijdsschaal, in de orde van decennia. Dat maakt validatie erg ingewikkeld. We zullen dan ook moeten onderzoeken of en zo ja hoe we AI-modellen voor klimaatverandering en -adaptatie goed kunnen valideren.”

Een andere onzekerheid zit in de verbanden die met AI uit grote hoeveelheden data gehaald kunnen worden. “Daarvan is niet altijd zeker of dit terechte en causale verbanden zijn, of gewoon statistische relaties die niet zoveel met de fysica te maken hebben. Daar moeten we nog vertrouwen in ontwikkelen”, aldus Van der Klis. “Het is een beetje vergelijkbaar met in een zelfrijdende auto stappen”, vindt Steeghs. “Op veel vlakken heeft zo’n auto wellicht voordelen en waarschijnlijk is hij statistisch gezien veiliger dan een gewone auto, maar om erin te gaan zitten is toch spannend.”

Het zal een extra motor zijn om nieuwe mensen op te leiden en naar ons mooie vakgebied te trekken, doordat we meegaan met nieuwe technieken en ontwikkelingen

Nieuwe collega’s
Een interdisciplinair team van Deltares en het KNMI zal zich de komende vier jaar fulltime gaan richten op het bouwen van de digitale infrastructuur (‘scripts, programma’s, applicaties, richtlijnen’) die nodig is om een nieuwe generatie modellen te ontwikkelen. “Maar daaromheen gaan hopelijk ook allerlei mensen van bijvoorbeeld waterschappen en ingenieursbureaus meedoen, wanneer we modellen in praktijkcases gaan testen”, aldus Van der Klis. “Het bouwteam zal uit een man of acht bestaan, maar daaromheen zullen waarschijnlijk tientallen mensen betrokken raken. En ondertussen zal dit programma een extra motor zijn om nieuwe mensen op te leiden en naar ons mooie vakgebied te trekken, doordat we meegaan met nieuwe technieken en ontwikkelingen.”

Door Europa, voor Europa
Binnen Europa is het initiatief van de drie organisaties uniek, denkt Steeghs. De opgedane bevindingen wil het drietal uiteindelijk gaan delen met andere Europese landen zodat die ervan kunnen meeprofiteren. “Dit sluit goed aan bij een momenteel lopend initiatief om in Europees verband AI-modellen voor het weer en klimaat te ontwikkelen, waarbij we kennis en inzichten met elkaar delen”, aldus Steeghs.

Ook beogen de organisaties dat de kennis die het project zal opleveren naar elders in de wereld kan worden ‘geëxporteerd’, door bijvoorbeeld Deltares en ingenieursbureaus. “We willen alles daarom als open source toegankelijk maken”, licht Yann Friocourt, coördinerend adviseur watermodelinstrumentarium bij Rijkswaterstaat, toe. “En toegankelijk houdt ook in: transparant zijn over hoe algoritmes gebouwd en gevalideerd zijn.”

Hoe afhankelijk zijn modelberekeningen als deze eigenlijk van Amerikaanse techbedrijven? “Voorlopig zullen we voor zware rekenpartijen nog afhankelijk zijn van rekenomgevingen als die van Microsoft, Google en Amazon, omdat dat de grootste en krachtigste omgevingen zijn”, vertelt Van der Klis. “Maar wat we met dit project willen bereiken zijn software en scripts die helpen om een model zo makkelijk mogelijk naar de gewenste rekenomgeving te krijgen. Dat kunnen ook andere - Nederlandse of Europese - rekenomgevingen zijn. Maar hoe de toekomst zich gaat ontwikkelen weten we niet. Wat we dus in elk geval moeten doen is een gereedschapskist ontwikkelen die heel flexibel is.”

“Een nieuwe gereedschapskist is hoe je het inderdaad moet zien”, besluit Friocourt. “En zodra we nieuw gereedschap af hebben, kunnen we dat ook gelijk gaan gebruiken.”