GenCast: KI-Vorhersagen, die der Meteorologie überlegen sind 🌍✨

GenCast, ein neues KI-Modell von Google DeepMind, ist genau genug, um mit der traditionellen Meteorologie zu konkurrieren. Bei Tests mit Daten aus dem Jahr 2019 übertraf es laut einer kürzlich veröffentlichten Studie ein führendes Prognosemodell. 🌦️✨

KI wird die traditionelle Meteorologie in absehbarer Zeit nicht ersetzen, kann aber wertvolle Werkzeuge zur Wettervorhersage und Warnung der Öffentlichkeit vor schweren Stürmen hinzufügen. GenCast ist einer von mehreren KI-Modelle in der Entwicklung Dies könnte zu genaueren Prognosen führen. 🤖⛈️

„Das Klima beeinflusst praktisch jeden Aspekt unseres Lebens… und es ist auch einer der größten wissenschaftliche Herausforderungen vorhersagen“, sagt Ilan Price, leitender Wissenschaftler bei DeepMind. „Google DeepMind hat es sich zur Aufgabe gemacht, Förderung der KI zum Nutzen der Menschheit. Ich denke, das ist ein wichtiger Weg, ein entscheidender Beitrag in dieser Hinsicht.“ 🌈📊

Price und sein Team führten Tests mit GenCast gegen das ENS-System durch, eines der weltweit fortschrittlichsten Vorhersagemodelle, das vom Europäischen Zentrum für mittelfristige Wettervorhersage (EZMW). Der Untersuchung zufolge übertraf GenCast die Leistung von ENS 97.2% die meiste Zeit. veröffentlicht diese Woche im Magazin Natur. 📈🧐

GenCast ist ein auf maschinellem Lernen basierendes Wettervorhersagemodell, das mit Klimadaten aus den Jahren 1979 bis 2018 trainiert wurde. Dieses Modell lernt, Muster in historischen Daten aus vier Jahrzehnten zu erkennen und nutzt diese Informationen, um vorherzusagen, was in der Zukunft passieren könnte. Dies unterscheidet sich stark von der Funktionsweise herkömmlicher Modelle wie dem ENS, bei denen zur Lösung komplexer Gleichungen und zur Simulation der Physik der Atmosphäre immer noch Supercomputer zum Einsatz kommen. Sowohl GenCast als auch ENS produzieren Prognosen insgesamt, die eine Vielzahl möglicher Szenarien bieten. 🌌🌪️

Durch die Vorhersage des Verlaufs eines tropischen Wirbelsturms kann GenCast beispielsweise im Durchschnitt 12 Stunden im Voraus warnen. GenCast ist im Allgemeinen besser in der Lage, Zyklonpfade, extreme Wetterereignisse und die Windenergieproduktion bis zu 15 Tage im Voraus vorherzusagen. 🌪️⏳

Ein Vorbehalt besteht darin, dass GenCast mit einer älteren Version des ENS getestet wurde, die jetzt mit einer höhere Auflösung. Die von Experten begutachtete Studie vergleicht die Vorhersagen von GenCast mit den ENS-Prognosen für 2019 und analysiert, wie gut jedes Modell den tatsächlichen Bedingungen in diesem Jahr entsprach. Laut Matt Chantry, Koordinator für maschinelles Lernen beim ECMWF, hat sich das ENS-System seit 2019 erheblich verbessert, sodass es schwierig ist, zu beurteilen, wie GenCast im Vergleich zum heutigen ENS abschneidet. 🔍📉

Es ist klar, dass die Auflösung nicht der einzige wichtige Faktor für solide Vorhersagen ist. ENS arbeitete bereits 2019 mit einer etwas höheren Auflösung als GenCast, dennoch gelang es GenCast, es zu übertreffen. DeepMind behauptet, ähnliche Studien mit Daten aus den Jahren 2020 bis 2022 durchgeführt und zu ähnlichen Ergebnissen gekommen zu sein, obwohl dies nicht von Experten begutachtet wurde. Für das Jahr 2023, als das ENS seinen Betrieb mit deutlich höherer Auflösung aufnahm, lagen jedoch keine Vergleichsdaten vor. 📊📈

GenCast unterteilt die Welt in ein Raster und arbeitet mit einer Auflösung von 0,25 Grad. Das bedeutet, dass jedes Quadrat in diesem Raster ein Viertel Grad Breite und ein Viertel Grad Länge misst. Zum Vergleich: Die ENS verwendete 2019 eine Auflösung von 0,2 Grad und liegt jetzt bei 0,1 Grad. 🌍🗺️

Die Entwicklung von GenCast sei jedoch „ein bedeutender Meilenstein in der Evolution der Wettervorhersage“, sagte Chantry in einer per E-Mail versandten Erklärung. Neben dem ENS betreibt das ECMWF auch eine eigene Version eines maschinelles Lernsystem. Chantry kommentiert, dass er „ein wenig Inspiration von GenCast bekommt.“ 🌟🤓

Geschwindigkeit ist für GenCast ein Vorteil. Mit einer einzigen Google Cloud TPU v5 können Sie in nur acht Minuten eine 15-Tage-Prognose erstellen. Physikbasierte Modelle wie das ENS könnten hierfür mehrere Stunden benötigen. GenCast lässt alle Gleichungen aus, die das ENS lösen muss, was erklärt, warum es weniger Zeit und Rechenleistung benötigt, um eine Prognose zu erstellen. ⚡️💻

„Rechnerisch gesehen ist es um ein Vielfaches teurer Führen Sie herkömmliche Prognosen anhand eines Modells durch wie GenCast“, sagt Price. 💰📉

Diese Effizienz könnte dazu beitragen, einige Bedenken hinsichtlich der Umweltauswirkungen von KI-Rechenzentren zu zerstreuen, die in den letzten Jahren bereits zu den erhöhten Treibhausgasemissionen von Google beigetragen haben. Allerdings lässt sich die Nachhaltigkeit von GenCast im Vergleich zu physikbasierten Modellen nur schwer beurteilen, ohne zu wissen, wie viel Energie für das Training des maschinellen Lernmodells verbraucht wird. 🏭♻️

GenCast kann noch weitere Verbesserungen vornehmen, darunter die Möglichkeit, auf eine höhere Auflösung zu skalieren. Darüber hinaus gibt GenCast Vorhersagen in 12-Stunden-Intervallen heraus, im Gegensatz zu herkömmlichen Modellen, die Vorhersagen normalerweise in kürzeren Intervallen herausgeben. Dies kann Einfluss darauf haben, wie diese Prognosen in der realen Welt genutzt werden können (z. B. um abzuschätzen, wie viel Windenergie verfügbar sein wird) 🌪️⚡️.

„Man möchte wissen, wie sich der Wind im Tagesverlauf verhält, nicht nur um 6 Uhr morgens und 18 Uhr abends“, sagt Stephen Mullens, Assistenzprofessor für Meteorologie an der University of Florida, der nicht an der GenCast-Forschung beteiligt war. 🌞🌬️

Zwar besteht ein wachsendes Interesse daran, wie KI zur Verbesserung von Prognosen eingesetzt werden kann, ihre Wirksamkeit muss jedoch noch bewiesen werden. „Die Leute beobachten es. Ich glaube nicht, dass die gesamte meteorologische Gemeinschaft davon überzeugt ist“, sagte Mullens. „Wir sind ausgebildete Wissenschaftler, die physikalisch denken … und da KI im Grunde keine Physik ist, gibt es immer noch ein Element, bei dem wir fragen: ‚Ist das gut? Und warum?‘“ 🤷‍♂️⚖️

Meteorologen können GenCast selbst ausprobieren. DeepMind veröffentlichte die Code von seinem Open-Source-Modell. Price sagt, er sieht GenCast und andere verbesserte KI-Modelle in der realen Welt neben traditionellen Modellen verwendet werden. „Sobald diese Modelle in den Händen von Profis sind, werden mehr Vertrauen und Zuversicht aufgebaut“, sagt Price. „Wir möchten wirklich, dass dies eine breite gesellschaftliche Wirkung hat.“ 🌍💡