Laut Google ermöglichen neue KI-Modelle nahezu sofortige Wettervorhersagen

Wettervorhersagen sind notorisch schwierig, aber in den letzten Jahren haben Experten vorgeschlagen, dass maschinelles Lernen besser helfen könnte, den Sonnenschein vom Graupel zu trennen. Google ist das jüngste Unternehmen, das sich engagiert. In einem Blogbeitrag in dieser Woche wurden neue Forschungsergebnisse veröffentlicht, denen zufolge Wettervorhersagen „fast augenblicklich“ möglich sind.

Die Arbeit befindet sich in einem frühen Stadium und muss noch in alle kommerziellen Systeme integriert werden, aber die ersten Ergebnisse sehen vielversprechend aus. In dem nicht von Fachleuten geprüften Artikel beschreiben die Forscher von Google, wie sie in der Lage waren, präzise Niederschlagsvorhersagen mit einer Auflösung von 1 km von nur „Minuten“ der Berechnung bis zu sechs Stunden im Voraus zu erstellen.

Dies ist eine große Verbesserung gegenüber vorhandenen Techniken, deren Erstellung stundenlang dauern kann, obwohl sie dies über längere Zeiträume hinweg tun und komplexere Daten generieren.

Schnelle Vorhersagen, so die Forscher, seien “ein wesentliches Instrument zur wirksamen Anpassung an den Klimawandel, insbesondere bei extremen Wetterbedingungen.” Management und die Reduzierung von Verlusten für Leben und Eigentum. “

Der größte Vorteil, den der Google-Ansatz gegenüber herkömmlichen Prognosetechniken bietet, ist die Geschwindigkeit. Die Forscher des Unternehmens verglichen ihre Arbeit mit zwei existierenden Methoden: optischen Flussvorhersagen (OF), die die Bewegung von Phänomenen wie Wolken untersuchen, und Simulationsvorhersagen, die detaillierte physikalische Simulationen von Wettersystemen erstellen.

Das Problem mit diesen älteren Methoden – insbesondere der physikbasierten Simulation – ist, dass sie unglaublich rechenintensiv sind. Simulationen, die beispielsweise von US-amerikanischen Bundesbehörden für Wettervorhersagen durchgeführt werden, müssen täglich bis zu 100 Terabyte an Daten von Wetterstationen verarbeiten und benötigen Stunden, um auf teuren Supercomputern ausgeführt zu werden.

“Wenn die Berechnung einer Prognose sechs Stunden dauert, sind nur drei bis vier Durchläufe pro Tag möglich, und die Prognosen basieren auf mehr als sechs Stunden alten Daten. Dies schränkt unser Wissen darüber ein, was gerade passiert”, schrieb der Google-Softwareingenieur Jason Hickey in einem Blogbeitrag.

Im Vergleich dazu liefern Googles Methoden Ergebnisse in wenigen Minuten, da sie nicht versuchen, komplexe Wettersysteme zu modellieren, sondern Vorhersagen über einfache Radardaten als Proxy für Niederschläge treffen.

Die Forscher des Unternehmens trainierten ihr AI-Modell anhand historischer Radardaten, die zwischen 2017 und 2019 in den angrenzenden USA von der National Oceanic and Atmospheric Administration (NOAA) gesammelt wurden. Sie gaben an, dass ihre Vorhersagen mindestens so gut waren wie die von drei vorhandenen Methoden, die Vorhersagen aus denselben Daten machten, obwohl ihr Modell besser war, als wenn sie versuchten, Vorhersagen mit mehr als sechs Stunden Vorsprung zu treffen.

Dies scheint derzeit der ideale Ort für maschinelles Lernen in Wettervorhersagen zu sein: schnelle, kurzfristige Vorhersagen treffen und längere Vorhersagen leistungsfähigeren Modellen überlassen. Beispielsweise erstellen die NOAA-Wettermodelle Vorhersagen bis zu 10 Tage im Voraus.

Obwohl wir noch nicht die vollständigen Auswirkungen der KI auf die Wettervorhersage gesehen haben, untersuchen viele andere Unternehmen diesen Bereich, einschließlich IBM und Monsanto. Und wie Googles Forscher betonen, werden solche Prognosetechniken in unserem täglichen Leben erst dann an Bedeutung gewinnen, wenn wir die Auswirkungen des Klimawandels spüren.

Leave a Reply

Your email address will not be published. Required fields are marked *