Revolutionäre KI-Technologie macht Wettervorhersagen präziser und effizienter

Ein neues System zur Vorhersage des Wetters und zur Prognose zukünftiger Klimabedingungen nutzt künstliche Intelligenz, um Ergebnisse zu erzielen, die mit den besten existierenden Modellen vergleichbar sind, jedoch wesentlich weniger Computerleistung benötigen, so die Schöpfer. In einem gestern in Nature veröffentlichten Artikel erklärt ein Team von Forschern von Google, MIT, Harvard und dem European Center for Medium-Range Weather Forecasts, dass ihr Modell enorme ‚Rechenersparnisse‘ bietet und ‚die groß angelegten physikalischen Simulationen verbessern kann, die für das Verständnis und die Vorhersage des Erdsystems unerlässlich sind‘.

Das NeuralGCM-Modell ist das neueste in einer Reihe von Forschungsmodellen, die Fortschritte im maschinellen Lernen nutzen, um Wetter- und Klimavorhersagen schneller und kostengünstiger zu machen. Im Kern ist NeuralGCM ein sogenanntes ‚General Circulation Model‘. Es enthält eine mathematische Beschreibung des physikalischen Zustands der Erdatmosphäre und löst komplizierte Gleichungen, um vorherzusagen, was in der Zukunft passieren wird.

Die Forscher verglichen NeuralGCM mit anderen Modellen anhand eines standardisierten Satzes von Vorhersagetests namens WeatherBench 2. Für Vorhersagen von drei und fünf Tagen schnitt NeuralGCM ungefähr genauso gut ab wie andere maschinelle Wettermodelle wie Pangu und GraphCast. Für langfristige Vorhersagen über 10 und 15 Tage hinweg war NeuralGCM etwa so genau wie die besten existierenden traditionellen Modelle.

Eine Schwäche von maschinellen Lernmodellen besteht darin, dass sie oft in unbekannten Situationen oder extremen Wetterbedingungen Schwierigkeiten haben. Um sich darin zu verbessern, muss ein Modell generalisieren oder über die Daten hinaus extrapolieren, auf denen es trainiert wurde. NeuralGCM scheint darin besser zu sein als andere maschinelle Lernmodelle, da sein physikbasiertes Kernstück einen gewissen Realitätsbezug bietet.