Microsoft brengt PBC open source uit, AI-tool die bias in weermodellen corrigeert

Onderzoekers van Microsoft publiceerden op 14 oktober 2026 een artikel in het tijdschrift Nature over Probabilistic Bias Correction (PBC), een machine learning-methode die volgens hen weersverwachtingen twee tot zes weken vooruit nauwkeuriger maakt. Het bedrijf heeft de tool als open-sourcesoftware vrijgegeven. Medeauteurs komen onder meer van het MIT, het Europees Centrum voor Weersverwachtingen op middellange termijn (ECMWF) en andere instellingen.

Verwachtingen van zowel traditionele, op fysica gebaseerde systemen als nieuwere AI-modellen verliezen doorgaans aan betrouwbaarheid na de grens van twee weken. In plaats van nog een op zichzelf staand verwachtingsmodel te bouwen, wilde het team van Microsoft de fouten corrigeren die al in bestaande modellen zitten, een aanpak waarvan het hoopt dat die aantrekkelijk is voor weerdiensten met beperkte budgetten.

Gericht op systematische bias

Alle verwachtingsmodellen leunen op benaderingen om hiaten op te vullen, zoals gebieden met weinig weerstations of atmosferische processen die wetenschappers nog niet volledig begrijpen. Die noodoplossingen kunnen uitgroeien tot systematische bias, en de fouten nemen toe naarmate een model verder vooruitkijkt. PBC gebruikt machine learning om die bias op te sporen en te corrigeren. Lester Mackey, senior principal researcher bij Microsoft Research New England, noemt klimaatverandering als voorbeeld: een model dat is getraind op historische gegevens kan te koud uitvallen voor de huidige, opwarmende wereld.

Volgens de onderzoekers verbeterde PBC een toonaangevend, op fysica gebaseerd ECMWF-model bij 98 procent van de neerslagdoelen en 92 procent van de temperatuurdoelen. In de analyse van de studie verdubbelde het ook de nauwkeurigheid van het nieuwe AI-verwachtingssysteem van ECMWF. ECMWF had het werk al voor publicatie erkend in zijn AI Weather Quest-wedstrijd. Matthew Chantry, strategisch leider machine learning van het centrum, was positief over het idee, maar voegde een kanttekening toe: "ideeën omzetten in werkelijkheid [in] een operationeel proces is een uiterst uitdagende stap."

Licht genoeg voor kleinere diensten

Op fysica gebaseerde weersverwachting is afhankelijk van supercomputers en generatieve AI van krachtige GPU's, maar Mackey zegt dat PBC alleen op CPU's kan draaien. Zware rekenvereisten hebben veel diensten in ontwikkelingseconomieën lange tijd weerhouden van het toepassen van nieuwe verwachtingstechnieken. Medeauteur Genevieve Flaspohler stelt dat wetenschappers zonder grote middelen het model kunnen afstemmen op hun eigen regio's, omdat het licht is en eenvoudig te trainen.

Flaspohler werkte aan PBC als stagiair bij Microsoft en leidt nu de non-profitorganisatie Rhiza Research, die samenwerkt met de Kenia Meteorological Service Authority en wordt gefinancierd door de Gates Foundation, om te testen of AI vroegtijdige waarschuwingen kan verbeteren. PBC behoort tot de methoden die worden geëvalueerd vóór een regenseizoen dat naar verwachting extremer zal zijn tijdens een recordbrekende El Niño. Het werk plaatst Microsoft naast Google, Nvidia en anderen die AI-tools voor weersvoorspelling ontwikkelen.