Wetter: Eine Ki Von Google Deepmind Erweist Sich Als Genauer Als Alle Aktuellen Vorhersagemodelle.

Künstliche Intelligenz revolutioniert kontinuierlich Methoden und steigert die Effizienz in vielen Bereichen. Wenn Sie feststellen, dass mittelfristige Wettervorhersagen überhaupt nicht zuverlässig sind, wissen Sie, dass künstliche Intelligenz bald das Spiel in diesem Bereich ändern könnte. Eine von Google Deepmind entwickelte KI hat sich als genauer erwiesen als alle aktuellen Vorhersagemodelle. Erklärungen.

Ein Fortschritt im Bereich der Wettervorhersage.

Die Wettervorhersagen sind sowohl für Privatpersonen als auch für Fachleute wichtig. Sie ermöglichen es ihnen, ihre Aktivitäten entsprechend den Wetterbedingungen anzupassen und ihre Zeitpläne zu planen. Aber sie sind nicht immer zuverlässig, besonders auf mittlere Sicht...

In diesem Bereich, wie in vielen anderen, könnte künstliche Intelligenz den Vorhersagern laut einem kürzlich in der renommierten Zeitschrift Science veröffentlichten Artikel einen echten Sprung nach vorne ermöglichen.

Ein Team von Google Deepmind, der auf künstliche Intelligenz spezialisierten Tochtergesellschaft, hat ein 10-tägiges Wettervorhersageprogramm namens GraphCast entwickelt und beeindruckende Ergebnisse erzielt.

Präzise Vorhersagen in Rekordzeit.

Die von Google Deepmind entwickelte KI hat es geschafft, fast alle bestehenden Vorhersageinstrumente für mittelfristige Wettervorhersagen zu übertreffen. Aber ihre Effizienz ist nicht ihre einzige Qualität. Um dieses ausgezeichnete Ergebnis zu erzielen, hat diese Künstliche Intelligenz nur einen Bruchteil der Rechenleistung verwendet, die für HRES (High Resolution Forecast) erforderlich ist, das das Vorhersagesystem des Europäischen Zentrums für mittelfristige Wettervorhersage bezeichnet.

Die Leistung von GraphCast, wie in der Zeitschrift Science veröffentlicht, ist beeindruckend. Laut den Autoren dieses Artikels hat dieser Algorithmus in über 99% der meteorologischen Variablen und in 90% der getesteten 1300 Regionen bessere Ergebnisse erzielt als HRES!

Diese Künstliche Intelligenz hat sich auch als äußerst präzise bei der Vorhersage von Katastrophen erwiesen. Sie hat neun Tage im Voraus den genauen Einschlagpunkt des Hurrikans Lee vorhergesagt, der im September die kanadische Provinz Nova Scotia getroffen hat. Im Vergleich dazu haben herkömmliche Vorhersagesysteme dies erst sechs Tage vor dem Eintreffen des Hurrikans und mit einer geringeren geografischen Genauigkeit geschafft.

Aber das Revolutionärste ist die Geschwindigkeit, mit der GraphCast seine Ergebnisse liefert. Während das HRES-System mehrere Stunden benötigt, um eine 10-Tage-Wettervorhersage zu liefern, liefert der Algorithmus von Google Deepmind ein Ergebnis in weniger als einer Minute!

Eine radikal andere Methode.

GraphCast unterscheidet sich von den aktuellen Wettervorhersagesystemen durch den Einsatz von künstlicher Intelligenz, aber auch durch die verwendeten Daten, um zu einem Ergebnis zu gelangen.

Heute funktionieren die besten Wettervorhersagesysteme wie HRES alle auf die gleiche Weise: Sie verwenden thermodynamische und strömungsmechanische Gleichungen, um Parameter wie Temperatur, Feuchtigkeit und Luftdruck zu berechnen.

Da diese Gleichungen äußerst komplex sind, erfordert es viel Zeit und Fachwissen, sie zu definieren und in Algorithmen zu übersetzen. Die Wettervorhersage erfordert auch den Einsatz leistungsstarker Supercomputer mit enormer Rechenleistung, um diese Berechnungen im großen Maßstab anzuwenden.

Die Ingenieure von Google Deepmind haben einen völlig anderen Ansatz gewählt. Anstatt die Atmosphärenveränderungen aus Gleichungen zu berechnen, haben sie ihre Vorhersagen lieber auf Daten aus der realen Welt basiert. Sie haben ihre künstliche Intelligenz mit einer riesigen Datenbank meteorologischer Daten trainiert, die über mehrere Jahrzehnte gesammelt wurden.

Dieses Training hat es GraphCast ermöglicht, die Ursache-Wirkungs-Beziehungen, die die Wetterentwicklung regieren, zu lernen. Googles System verwendet die gelernten Regeln, um das Wetter in den nächsten 10 Tagen schnell zu bestimmen, ohne auf sehr komplexe Gleichungen zurückgreifen zu müssen.

Ein Werkzeug, das nicht unfehlbar ist.

Angesichts seiner beeindruckenden Leistungen könnte man meinen, dass GraphCast bald alle anderen Vorhersagesysteme ersetzen wird. Aber das wird in naher Zukunft nicht passieren, denn diese Methode der Wettervorhersage hat einen großen Fehler.

Mit dieser Art von künstlicher Intelligenz können wir nur die Ergebnisse feststellen und gegebenenfalls ihre Genauigkeit loben. Aber wir können nicht genau bestimmen, wie der Algorithmus dies erreicht hat. Die Magie geschieht in einer Art "Black Box", die für unser Verständnis undurchsichtig bleibt... Wenn der Algorithmus jedoch Ergebnisse vorschlagen würde, die von der Realität abgekoppelt sind, wäre es fast unmöglich, dies zu erkennen und die genaue Quelle des Problems zu bestimmen.

Im Gegensatz dazu sind traditionelle Vorhersagemodelle viel solider. Tatsächlich verbessert sich die Genauigkeit der Wettervorhersagen ständig, nicht nur weil die verwendeten Supercomputer immer leistungsfähiger werden, sondern auch weil die Vorhersager im Laufe der Zeit ihre Gleichungen immer weiter verfeinern, indem sie die Vorhersagen mit dem tatsächlichen Wetter vergleichen.

Selbst die Forscher von Google Deepmind geben zu, dass ihre Erfindung nicht dazu bestimmt ist, moderne Vorhersagesysteme wie HRES zu ersetzen. Sie sind vielmehr der Meinung, dass beide Werkzeuge sich ergänzen. GraphCast ist ein neues Werkzeug, dessen Experimentierung fortgesetzt wird. Es interessiert Meteorologen, weil es sehr nützlich sein kann, vorausgesetzt, man verlässt sich nicht vollständig darauf. Zumindest im Moment...