Google DeepMind Künstliche Intelligenz übertrifft herkömmliche Wettervorhersagen
Künstliche Intelligenz hat zum ersten Mal herkömmliche Wettervorhersagen übertroffen. Doch das System ist längst nicht perfekt.
Googles Tochterunternehmen DeepMind hat ein neues System zur Wettervorhersage vorgestellt. Das Modell habe das weltweit führende System in 90 Prozent der verwendeten Messgrößen übertroffen, berichtet die "Financial Times". Zu diesen Größen zählen auch Temperatur, Druck, Windgeschwindigkeit und -richtung sowie Luftfeuchtigkeit auf verschiedenen Ebenen der Atmosphäre.
Das GraphCast-KI-Modell "markiert einen Wendepunkt in der Wettervorhersage", so die Entwickler von Google DeepMind in einem Artikel, der in der Zeitschrift "Science" veröffentlicht wurde. Wie die Auswertung zeigt, sei das System für Vorhersagen von drei bis zehn Tagen im Voraus genauer als das vom Europäischen Zentrum für mittelfristige Wettervorhersage. Außerdem benötige es nur einen Bruchteil der Zeit.
Wetterdaten der vergangenen 40 Jahre
GraphCast erstellt seine Prognosen mithilfe von historischen Wetterdaten aus mehr als 40 Jahren. Dadurch habe es gelernt, wie sich Wettersysteme entwickeln und tätigt eine Zehn-Tage-Vorhersage innerhalb einer Minute auf einem einzigen Prozessor. Bei der konventionellen EZMW-Methode brauchen mehrere Supercomputer für eine vergleichbare Vorhersage mehrere Stunden.
Als Beispiel für eine erfolgreiche Vorhersage nannten die DeepMind-Wissenschaftler den Hurrikan Lee, der im September über den Nordatlantik zog. So sei GraphCast in der Lage gewesen, das Eintreffen des Hurrikans neun Tage im Voraus korrekt vorherzusagen – im Vergleich zu sechs Tagen bei herkömmlichen Ansätzen. "Damit hatten die Menschen drei Tage mehr Zeit, sich auf die Ankunft vorzubereiten", so Rémi Lam, Hauptautor des "Science"-Artikels.
Herkömmliche Modelle bei Hurrikan Otis zuverlässiger
Doch das System ist längst nicht perfekt. So hat die Vorhersage der plötzlichen explosiven Verstärkung des Hurrikans Otis am 25. Oktober bei den herkömmlichen Modellen zuverlässiger funktioniert als bei GraphCast. Außerdem stellt sich die Frage, inwieweit das System Extremereignisse vorhersagen kann, die vom Klimawandel beeinflusst sind, wenn es lediglich die Daten aus der Vergangenheit zur Verfügung hat.
In naher Zukunft wird das KI-basierte Modell die konventionellen Wettervorhersagen nicht ablösen. Für das EZMW bestünde der nächste Schritt darin, "ein eigenes KI-Modell zu entwickeln und zu prüfen, ob es mit seinem numerischen Wettervorhersagesystem kombiniert werden kann", sagte Matthew Chantry, Koordinator für maschinelles Lernen beim Europäischen Zentrum für mittelfristige Wettervorhersage.
Die Wissenschaftler sind sich einig, dass die Kombination der verschiedenen Technologien künftig noch detailliertere Wettervorhersagen liefern wird – wichtig in einer Zeit des dramatischen Wandels. Google DeepMind hat den Quellcode von GraphCast veröffentlicht und die Technologie somit allen Forschern weltweit zur Verfügung gestellt.
- ft.com: "AI outperforms conventional weather forecasting methods for first time" (englisch)
- science.org: "Learning skillful medium-range global weather forecasting" (englisch)
- deepmind.google: "GraphCast: AI model for faster and more accurate global weather forecasting" (englisch)
