Google DeepMind nutzt Modelle künstlicher Intelligenz, um Zugbahn und Stärke von Hurrikanen vor ihrem Eintreffen vorherzusagen – mit dem Ziel, die Berechnungszeit zu verkürzen und die Genauigkeit der Warnungen für Gemeinden und für Notfallbehörden zu verbessern. Das Unternehmen zufolge wurden die WeatherNext-Modelle auf 50 Jahren historischer Wetterdaten trainiert und können auf einem einzigen TPU-Prozessor statt auf der umfangreichen Recheninfrastruktur ausgeführt werden, auf die herkömmliche Modelle angewiesen waren.
Dies wurde in einem Interview mit Ferran Alet berichtet, einem Forschungswissenschaftler bei Google DeepMind, der an der Entwicklung der WeatherNext-Modelle beteiligt war. Alet erklärt, dass die Begriffe cyclone, hurricane und typhoon wissenschaftlich dasselbe Phänomen bezeichnen, wobei die Bezeichnung je nach geografischer Region unterschiedlich ist.
Von physikalischen Simulationen zu KI-gestützten Vorhersagen
Die Vorhersage von Hurrikanen beruhte historisch auf physikalischen Modellen, die mithilfe von Daten globaler Sensoren die Gesetze der Strömungsdynamik simulieren. Dieser Prozess erforderte Supercomputer in der Größe von Schiffscontainern oder Gebäuden mit mehreren Stockwerken, außerdem konnten die verfügbaren Daten unvollständig oder verrauscht sein. Laut Google DeepMind entsprach die Verbesserung der Vorhersagegenauigkeit ungefähr einem zusätzlichen Tag pro Jahrzehnt – als Ergebnis der Weiterentwicklung der Modelle sowie der zunehmenden Zahl von Satelliten und der steigenden Rechenleistung.
WeatherNext fügt eine KI-Ebene hinzu, die aus früheren und aktuellen Daten Muster lernt, um die Zukunft besser einzuschätzen. Das Unternehmen sagt, dieser Ansatz habe innerhalb einer einzigen Modellgeneration einen Sprung erreicht, der dem erwarteten Fortschritt eines ganzen Jahrzehnts entspreche. Außerdem verweist es auf verbesserte Vorhersagen sowohl für den Ort, an dem der Hurrikan auf Land treffen wird, als auch für seine Stärke beim Auftreffen auf Land.
Was ändert sich praktisch?
Wetterdienste prüfen, den Zeitraum allgemeiner Vorhersagen von fünf auf sieben Tage zu verlängern. Der zusätzliche Tag könnte Behörden und Gemeinden mehr Zeit zur Vorbereitung geben, ohne dass dadurch physikalische Modelle oder die menschliche Prüfung durch Meteorologen überflüssig würden.
Google DeepMind führt Hurrikan Melissa als Beispiel für den Wert frühzeitiger Warnungen an. Dem Interview zufolge unterstützte das Unternehmen das National Hurricane Center vor der Hurrikansaison, und KI-Vorhersagen mit hoher Zuverlässigkeit trugen dazu bei, vor einer raschen Verstärkung eines Hurrikans zu warnen, der zunächst der Kategorie 1 angehörte, bevor er die Kategorie 5 erreichte. Außerdem sagt das Unternehmen, dass die Behörden in Jamaika einen zusätzlichen Tag für Notfallvorbereitungen erhielten.
Bereitstellung der Modelle für Forschende
Google DeepMind kündigte an, WeatherNext 2 sowie die speziellen WeatherNext-Hurrikanmodelle als Open Source bereitzustellen, ergänzt durch die interaktive Website Weather Lab. Diese Bereitstellung soll Akademikerinnen, Akademikern und Wissenschaftlerinnen und Wissenschaftlern ermöglichen, die Modelle zu testen und neue Forschung zur Vorhersage extremer Wetterereignisse durchzuführen.
Die Einschätzung von certi.news
Die wichtigste Veränderung besteht hier nicht nur in der Nutzung künstlicher Intelligenz in der Meteorologie, sondern auch in der laut eigener Darstellung geringeren Betriebsvoraussetzung – von Supercomputern auf einen einzigen Prozessor – sowie in der Möglichkeit, die Modelle für die wissenschaftliche Forschung bereitzustellen. Dies könnte den Kreis der Einrichtungen erweitern, die Hurrikanvorhersagen testen können. Bei der Quelle handelt es sich jedoch um eine Darstellung von Google DeepMind; unabhängige Vergleichsergebnisse oder quantitative Angaben zur Größe der Genauigkeitsverbesserung werden in diesem Beitrag nicht vorgelegt. Daher muss die praktische Wirksamkeit von WeatherNext, insbesondere beim Umgang mit unvollständigen Daten oder sich schnell entwickelnden Stürmen, weiterhin von Wetterdiensten und unabhängigen Forschenden bewertet werden.