Der Technologieriese Google hat durch seine Tochtergesellschaft DeepMind kürzlich die Überlegenheit seines Wettervorhersagealgorithmus GraphCast im Vergleich zu herkömmlichen, physikalisch basierten Modellen demonstriert. Dieses neue Werkzeug der Künstlichen Intelligenz (KI) bietet bisher unerreichte Leistungen bei Wettervorhersagen, selbst für außergewöhnliche Phänomene wie Stürme oder Hurrikane. Laut Rémi Lam, einem wissenschaftlichen Forscher bei Google DeepMind und seinem Team, stützt sich der Algorithmus auf einen datengestützten Ansatz, um die aktuellen Methoden der Wettervorhersage zu ergänzen. Bislang war der Ansatz der Meteorologen überwiegend deterministisch, das heißt, sie basierten auf Beobachtungen und mathematischen Modellen, um abzuleiten, was logisch geschehen würde.
Wie funktioniert GraphCast?
Das von Google DeepMind entwickelte KI-Modell umgeht dieses logische Konzept und zieht es vor, Daten aus vier Jahrzehnten an Informationen von Satelliten, Radaren und anderen Messmethoden zu ingestieren. Dadurch kann die KI Muster oder wiederkehrende Strukturen erkennen. Um eine Vorhersage zu treffen, erhält GraphCast alle sechs Stunden reale Messungen von verschiedenen Punkten der Erde. Diese Vorhersage wird dann erneut iteriert, indem diese Vorhersage als neuer Eingang betrachtet wird, um ein Ergebnis zu erzielen, das bis zu etwa zehn Tage später sehr zufriedenstellend bleibt. GraphCast generiert somit in mehr als 90 % der Fälle genauere Vorhersagen als herkömmliche Methoden. Diese Leistung veranschaulicht perfekt den Paradigmenwechsel und das potenzielle Risiko, das mit der Entwicklung von KI einhergeht: Mit den aktuellen Datenverarbeitungsmöglichkeiten könnte man auf wissenschaftliche Erklärungen verzichten, um so komplexe Phänomene wie das Wetter vorherzusagen. In einem Bereich wie der Wettervorhersage ist es jedoch entscheidend, die zugrunde liegenden Gründe für die Vorhersagen zu verstehen, um das Vertrauen der Öffentlichkeit zu gewinnen und aufrechtzuerhalten. Wie , Professor für Meteorologie an der Universität von East Anglia, erklärt: „Wenn Sie die Evakuierung von 50 Kilometern Küste in Florida anordnen und nichts passiert, haben Sie Jahrzehnte an Vertrauen verschwendet“.
DeepMind und seine Expertise in Künstlicher Intelligenz
DeepMind wurde 2010 gegründet und machte sich einen Namen, indem es Programme entwickelte, die in der Lage sind, Go zu spielen oder Atari 2600-Spiele zu spielen. Das Start-up, das 2014 von Google übernommen wurde, wandte dann seine Lernmethoden auf klimatische Phänomene an. Die Methode bleibt die gleiche: Daten ingestieren, wiederkehrende Muster identifizieren und Vorhersagen treffen. Trotz ihrer Leistungsfähigkeit wird dieses KI-Modell niemals vollständig deterministische Vorhersagen sowie Wettermoderatoren wie Évelyne Dhéliat oder Laurent Romejko ersetzen, die vor einem grünen Bildschirm erklären, warum es an diesem Wochenende wieder regnen wird. In der Tat ähneln datenbasierte Vorhersagen diesen Knieschmerzen, die einen Sturm ankündigen: Sie sind zuverlässig, aber nicht wissenschaftlich befriedigend. Die Zukunft der Wettervorhersage könnte daher als eine Kombination aus Künstlicher Intelligenz und traditionellen Methoden betrachtet werden, um immer genauere Vorhersagen zu liefern und gleichzeitig das Vertrauen der Öffentlichkeit zu wahren.
Auf zu einer vielversprechenden Zukunft für die Wettervorhersage
Durch die Kombination der neuartigen Fähigkeiten von GraphCast mit traditionellen Vorhersagemethoden ist es nun möglich, viel genauere und verlässlichere Wetterereignisse zu betrachten. Dieser bedeutende Fortschritt wird nicht nur den Alltag jedes Einzelnen verbessern, sondern auch helfen, Risiken im Zusammenhang mit extremen klimatischen Phänomenen besser vorherzusehen und zu managen. In einem Kontext, in dem der Klimawandel die Wettervorhersagen immer komplexer macht, könnte Künstliche Intelligenz sich als wertvoller Verbündeter für das Verständnis und die Vorhersage bevorstehender klimatischer Ereignisse erweisen.
