Bei Google wird viel geforscht, und die Beherrschung von Intelligenzentwicklungen geht weit über Chatbots und generative KI-Bildgebungsdienste hinaus. Das DeepMind-Team hat kürzlich seine neuesten Fortschritte bei der Wettervorhersage in der Zeitschrift Nature veröffentlicht. Das Team hat ein neues Modell namens GenCast entwickelt, das wesentlich effizienter arbeiten kann als bisher und hohe Genauigkeit verspricht.
Künstliche Intelligenz bzw. maschinelles Lernen wird seit langem eingesetzt, um Wetterdaten zu verarbeiten und Vorhersagen genauer zu machen. Viele frühere Versuche in diesem Bereich ließen sich aufzählen. Um nur die Lösungen zu nennen, die mehr Aufmerksamkeit erregt haben, seien hier FourCastNet von Nvidia aus dem Jahr 2022 und das Pangu-Wettermodell von Huawei aus dem letzten Jahr genannt, das auf 39 Jahren Daten trainiert wurde. Diese arbeiteten jedoch nach einem anderen Prinzip als das neue GenCast.
Die Lösung von Huawei und viele andere KI-basierte Entwicklungen zeichneten sich durch deterministische Prognosen aus, d. h. sie lieferten keine detaillierteren Daten, sondern definierten lediglich eine mögliche Situation. Im Gegensatz dazu ist GenCast nun ein System, das probabilistische Vorhersagen ermöglicht. In der modernen Wettervorhersage werden diese Instrumente in der Regel zusammen eingesetzt, um die bestmögliche Genauigkeit und Effizienz zu erreichen. Es wird kein einzelnes Verfahren zur Ermittlung der Prognosen verwendet.
GenCast erzeugt mehrere verschiedene Wetterdaten, anstatt sich auf einen einzigen, sehr genauen Datensatz zu konzentrieren. Dies kann den Meteorologen bei der Erstellung von Prognosen eine größere Hilfe sein. Es ist noch nicht bekannt, ob die Entwicklung von DeepMind in der Lage sein wird, selbständig vollständige Wettervorhersagen zu erstellen, aber das ist auch nicht das Ziel der Entwickler.
DeepMind hat das GenCast-System auf 40 Jahre Wetterdaten trainiert. Sie verwendeten historische Daten von 1979 bis 2018. Um den Erfolg ihrer Arbeit zu testen, haben sie dann verschiedene Wettervorhersagen für 2019 auf der Grundlage derselben historischen Daten erstellt. Die Ergebnisse sprechen für sich, denn GenCast hat eine bessere Leistung erbracht als das häufig verwendete ENS-System des ECMWF.
Während des Tests wurden insgesamt 1.320 Kombinationen analysiert, und GenCast war in der Lage, 97,2 % genauer zu arbeiten, und innerhalb von 36 Stunden war dieses Ergebnis sogar noch besser, wobei sich GenCast als 99,8 % effizienter als ECMWF ENS erwies. Die DeepMind-Entwicklung übertraf das ENS-Modell auch bei der Vorhersage extremer Wetterbedingungen und der Schätzung von Hurrikanpfaden. Dies ist von großer Bedeutung, da genauere Vorhersagen es beispielsweise ermöglichen, gezieltere Abwehrmaßnahmen zu ergreifen.
Geräte mit künstlicher Intelligenz arbeiten oft mit einem brutalen Stromverbrauch, um die Menschen auf verschiedene Weise zu blenden. Nun, in diesem Fall gibt es keinen solchen Nachteil, und DeepMind ist besonders stolz darauf.
Das ENS-Modell des ECMWF verfügt über einen eigenen Supercomputer, während das GenCast-Modell mit einem einzigen Google Cloud TPU v5-Prozessor auskommt, wenn es nicht noch mehr Rechenleistung erhält. Es kann eine 15-Tage-Wahrscheinlichkeitsprognose in nur 8 Minuten mit einem einzigen von Google entwickelten Beschleuniger erstellen. Darüber hinaus kann es Prognosen parallel erstellen, um eine maximale Auslastung zu erreichen.
Wenn alles gut geht, werden Meteorologen bald live mit dem GenCast-Modell arbeiten. Laut DeepMind könnte künstliche Intelligenz in dieser Form für die gesamte Menschheit von großem Nutzen sein, da genauere Vorhersagen das Leben aller Menschen direkt und indirekt beeinflussen werden.
