Door juist dan weer terug te berekenen kan het zichzelf leren om steeds beter die verstoringen op te pakken, herkennen en mee te nemen in nieuwe berekeningen? Om is te simpel gedacht?
Dit soort modellen wordt al getraind op heranalyse zoals ERA5. De training minimaliseert de afwijking tussen beide, dus wat je zegt gebeurt al. Het is op dit moment in feite het zo goed mogelijk emuleren van ERA5, dus dit soort modellen komen nog altijd met alle nadelen/beperkingen van ERA5. Een interessante volgende ontwikkeling zou zijn om de heranalyse over te slaan en te trainen met ruwe observaties, dan vervallen alle in ERA5 gemaakte aannames. Maar dat is wel een stuk ingewikkelder qua architectuur vanwege de enorme heterogeniteit aan metingen.
Dat is wat een bedrijf als Tesla bijvoorbeeld ook nastreeft voor wat betreft FSD, zo min mogelijk in de weg leggen tussen ruwe input en gewenste uitvoer.
Quote selectie