Laut Google übertrifft sein neues KI-Modell GenCast bestehende Wettervorhersagesysteme in Bezug auf Genauigkeit und Geschwindigkeit, einschließlich der von Météo France verwendeten. Diese in Nature veröffentlichte probabilistische Technologie verspricht eine bessere Vorhersage von Wetterereignissen, insbesondere extremen.
Ein probabilistisches Modell zum Verständnis der Unsicherheit
Google hat eine neue Offensive im Bereich Wettervorhersage gestartet
mit GenCast, einem als revolutionär präsentierten Modell der künstlichen Intelligenz. Nach Angaben des Unternehmens übertrifft dieses probabilistische Tool in Präzision und Geschwindigkeit das aktuelle Referenzsystem, das Ensemble Prediction System (ENS) des Europäischen Zentrums für mittelfristige Wettervorhersagen (ECMWF), und damit auch Weather Forecasts France, auf das es sich verlässt Teil dieses Systems. Eine Aussage, die, wenn sie bestätigt wird, unsere Art, die Launen des Himmels vorherzusehen, revolutionieren könnte.
GenCast, veröffentlicht in der Fachzeitschrift Nature
zeichnet sich durch seinen probabilistischen Ansatz aus. Im Gegensatz zu deterministischen Modellen, die eine einzelne Vorhersage liefern, generiert GenCast einen Satz von mehr als 50 möglichen Wetterszenarien, denen jeweils eine Wahrscheinlichkeit zugeordnet ist. Dieser Ansatz ermöglicht es, die Unsicherheit zu verstehen, die Wettervorhersagen insbesondere auf lange Sicht innewohnt. Der Benutzer hat somit einen umfassenderen Überblick über die bevorstehenden Wetterbedingungen und kann fundiertere Entscheidungen treffen. Das Beispiel des Taifuns Hagibis im Jahr 2019 zeigt die Fähigkeit von GenCast, seine Vorhersagen zu verfeinern, wenn die Frist näher rückt.
Generative KI für das Wetter
Die Leistung von GenCast basiert auf der Verwendung eines Diffusionsmodells, einer generativen Technik der künstlichen Intelligenz. GenCast wurde an die sphärische Geometrie der Erde angepasst und auf vier Jahrzehnte historischer Wetterdaten aus dem ERA5-Archiv des ECMWF trainiert. Dieser umfangreiche Datensatz ermöglichte es dem Modell, globale Wettermuster mit einer Auflösung von 0,25° zu lernen. Google behauptet, dass GenCast bei 97,2 % der 1.320 getesteten Kombinationen von Variablen und Prognosezeiten und bei 99,8 % über 36 Stunden hinaus genauer ist als ENS.
-Über die erhöhte Präzision hinaus hebt Google die Ausführungsgeschwindigkeit von GenCast hervor. Eine einzelne 15-Tage-Prognose kann auf einem Google Cloud TPU v5 in nur 8 Minuten erstellt werden. Darüber hinaus können alle Vorhersagen parallel berechnet werden, was im Vergleich zu herkömmlichen Modellen eine erhebliche Zeitersparnis darstellt. Diese Energieeffizienz ist ein großer Vorteil.
Bessere Antizipation extremer Ereignisse
Die potenziellen Auswirkungen von GenCast sind insbesondere bei der Vorhersage extremer Wetterereignisse von Bedeutung. Angesichts von Hitzewellen, Kältewellen, heftigen Winden und Wirbelstürmen ermöglichen präzisere und schnellere Prognosen, Risiken vorherzusehen und wirksamere Präventionsmaßnahmen umzusetzen. Google weist darauf hin, dass GenCast ENS bei der Vorhersage dieser Phänomene übertroffen hat.
Eine verbesserte Wettervorhersage hat auch erhebliche Auswirkungen auf erneuerbare Energien. Durch die Optimierung der Prognose der Windenergieproduktion kann GenCast zu einem besseren Management der Stromnetze beitragen und die Integration erneuerbarer Energiequellen fördern.
Obwohl Google GenCast als einen großen Durchbruch darstellt, ist es wichtig, diese Behauptungen zu relativieren. Die in Nature veröffentlichte Studie konzentriert sich auf einen Vergleich mit der ENS und nutzt historische Daten. Die Leistung von GenCast unter realen Bedingungen muss noch nachgewiesen werdenund ein direkter Vergleich mit den Prognosen von Météo France wäre notwendig.
Trotz dieser Vorbehalte stellt GenCast einen wichtigen Schritt in der Entwicklung der Wettervorhersage dar. Google ebnet den Weg für genauere, schnellere und besser zugängliche Prognosen. Die Öffnung des Quellcodes und die bevorstehende Veröffentlichung von Vorhersagen werden es der wissenschaftlichen Gemeinschaft ermöglichen, das Potenzial von GenCast zu erkunden. Die Zukunft der Wettervorhersage sieht eindeutig technologisch aus, und die Zusammenarbeit zwischen digitalen Giganten und nationalen Wetteragenturen wird von entscheidender Bedeutung sein.
