GraphCast: Google's AI revolutioniert die Wettervorhersage

Die Rolle von Numerical Weather Prediction (NWP)

Numerical Weather Prediction (NWP) ist der Prozess, der aktuelle Wetterbeobachtungen rund um die Welt als Eingangsdaten verwendet und komplexe physikalische Gleichungen durchführt, um genaue Wettervorhersagemodelle zu erstellen. Dieser Prozess läuft normalerweise auf Supercomputern und benötigt Stunden, um abgeschlossen zu werden.

Die revolutionäre KI von Google: GraphCast

Google hat eine KI namens GraphCast entwickelt, die in der Lage ist, innerhalb nur einer Minute auf einer einzelnen Maschine präzise Wettervorhersagen für bis zu 10 Tage im Voraus zu treffen. Diese Leistung ist normalerweise der Aufgabe von Raums voller Supercomputer.

Die Funktionsweise von GraphCast

GraphCast wurde mit 40 Jahren Wetter-Reanalyse-Daten trainiert, die durch Satellitenbilder, Radar und Wetterstationen gesammelt wurden. Die KI nimmt den Zustand des Wetters von vor sechs Stunden und den aktuellen Zustand als Ausgangspunkt und verwendet diese Daten, um den Zustand des Wetters für sechs Stunden im Voraus vorherzusagen. Mit diesem Ansatz ist sie in der Lage, präzise Vorhersagen für bis zu 10 Tage im Voraus zu erstellen.

Die Leistung von GraphCast im Vergleich zu herkömmlichen Methoden

In Tests, in denen GraphCast auf einer einzelnen Google TPU v4-Maschine mit dem High Resolution Forecast (HRES) - einem Simulationsmodell, das auf Supercomputern läuft - verglichen wurde, konnte GraphCast 10-Tage-Vorhersagen in weniger als einer Minute erstellen und war genauer als HRES in 90% der Testvariablen und Vorhersagezeiträume. Darüber hinaus übertrifft GraphCast in 99,7% der Fälle die Leistung von HRES, wenn es um Vorhersagen in der Troposphäre geht.

Die Auswirkungen von GraphCast auf die präzise Wettervorhersage

GraphCast hat nicht nur gezeigt, dass es schneller und genauer ist als herkömmliche Methoden, sondern es konnte auch schwerwiegende Wetterereignisse früher als HRES identifizieren, obwohl es nicht speziell darauf trainiert wurde. In einem konkreten Beispiel konnte die KI neun Tage im Voraus genau vorhersagen, wo ein Hurrikan auf Land treffen würde, während herkömmliche Vorhersagen dies erst sechs Tage im Voraus bestätigen konnten.

Die Zukunft von GraphCast und die offene Quellcode-Politik von Google

Google hat angekündigt, dass der Code von GraphCast Open Source ist, was es Wissenschaftlern auf der ganzen Welt ermöglicht, damit zu experimentieren und es in den täglichen Wettervorhersagen zu integrieren. Dieser Schritt markiert einen bedeutenden Fortschritt in der Anwendung von KI in der Wettervorhersage und könnte zu einer signifikanten Verbesserung der Vorhersagegenauigkeit führen.

Schlussfolgerung

Die Entwicklung von GraphCast zeigt das enorme Potenzial von KI in der Wettervorhersage. Die Fähigkeit, präzise und rechtzeitige Vorhersagen zu treffen, die das tägliche Leben der Menschen beeinflussen, ist ein bedeutender Schritt in der Anwendung von KI-Technologien. Mit dieser Revolution könnte die Wettervorhersage zuverlässiger und genauer werden und die Auswirkungen schwerwiegender Wetterphänomene auf die Gesellschaft minimieren.


Quelle: Remi Lam et al., Learning skillful medium-range global weather forecasting.Science 0,eadi2336 DOI:10.1126/science.adi2336