WeatherNext 2: Google's AI-weermodel voor snellere, nauwkeurigere voorspellingen

Danny Weber

15:32 25-11-2025

© B. Naumkin

Google introduceert WeatherNext 2: een AI-weermodel dat 8x sneller is. Nauwkeurigere voorspellingen tot 15 dagen voor Pixel Weather, Maps en Gemini-app.

Google heeft WeatherNext 2 onthuld, een opgewaardeerd, door AI aangestuurd weermodel dat merkbaar nauwkeuriger is en sneller ververst. Het systeem wordt de basis voor weersinformatie in Pixel Weather, Google Search, de Gemini-app en Google Maps. Daarmee zet het bedrijf duidelijk in op AI als standaard voor verwachtingen in het hele ecosysteem.

Volgens het bedrijf levert WeatherNext 2 voorspellingen acht keer sneller dan eerdere modellen en maakt het vier updates per zes uur, met een horizon tot vijftien dagen. Het overtreft WeatherNext 1 qua nauwkeurigheid voor 99% van de meteorologische variabelen—temperatuur, neerslag, luchtdruk, wind en luchtvochtigheid. Op papier is dat een opvallende sprong voor een tweede generatie.

De belangrijkste verandering is de overstap naar een Functional Generative Network (FGN), ter vervanging van de GNN- en diffusiemodellen uit de eerste versie. Dankzij Google’s TPU-ASIC’s kan WeatherNext 2 binnen een minuut een volledige verwachting genereren; vergelijkbare, op fysica gebaseerde modellen hebben op een supercomputer ongeveer een uur nodig. Dat verschil verklaart waarom Google in dit domein nadrukkelijk richting datagedreven methoden beweegt.

Google is van plan WeatherNext 2 uit te rollen naar alle eigen diensten met weerinformatie. In de komende weken begint het nieuwe systeem voorspellingen te leveren in Google Maps. Gebruikers van Pixel Weather, Gemini en Google Search zullen eveneens geleidelijk betere nauwkeurigheid en stabielere weergaven zien. De gestage uitrol suggereert dat betrouwbaarheid voorop staat bij het opschalen.

WeatherNext 2 analyseert onderling afhankelijke meteorologische variabelen zonder fysieke vergelijkingen op een supercomputer op te lossen; de AI zoekt in plaats daarvan naar terugkerende patronen in enorme datasets. Daardoor kan een vooruitblik van vijftien dagen in ongeveer een minuut worden gemaakt en, wanneer nodig, kunnen duizenden afzonderlijke scenario’s worden gegenereerd.