KI-Wettermodell verwendet 7.000 Mal weniger Leistung als herkömmliche Modelle

Die Wettervorhersage ist eine der entscheidenden Aufgaben, die unsere leistungsstärksten Computer übernehmen. Sie erfordert Millionen von Berechnungen und massive Maschinen, die Gleichungen lösen, die dabei helfen, Bedingungen wie Temperatur, Wind und Niederschlag vorherzusagen. Sie ist auch ein wichtiges Werkzeug für die Vorhersage großer Wetterereignisse, die ganze Regionen und Volkswirtschaften stören können.

Das Feld der Wettervorhersage verbessert sich rapide, während unsere Technologie fortschreitet, und wird genauer und effizienter. Neue Arbeiten, die aus einer Zusammenarbeit zwischen der University of Washington und Microsoft Research hervorgehen, zeigen, wie künstliche Intelligenz (KI) für diese Vorhersagen eingesetzt werden kann. Die neue Technologie analysiert vergangene Wettermuster, um zukünftige Ereignisse vorherzusagen, und tut dies effizienter als aktuelle Modelle. Mit weiteren Fortschritten könnte sie auch einen Punkt erreichen, an dem sie genauer ist als die heutigen Modelle.

Neues globales Wettermodell

Das neue globale Wettermodell verwendet die letzten 40 Jahre Wetterdaten, um seine Vorhersagen zu treffen, was es von anderen Modellen unterscheidet, die physikalische Berechnungen verwenden. Das neue Modell ist einfach und datenbasiert und kann Wettermuster für ein ganzes Jahr simulieren, die weltweit angewendet werden können. Es ist sowohl schneller als auch genauso effizient wie aktuelle Modelle, was es durch wiederholte Schritte bei jeder Vorhersage erreicht.

Die Forschung wurde veröffentlicht im Journal of Advances in Modeling Earth Systems.

Jonathan Weyn ist der Hauptautor der Forschung.

“Machine Learning ist im Wesentlichen eine glorifizierte Version der Mustererkennung”, sagte Weyn. “Es sieht ein typisches Muster, erkennt, wie es normalerweise evolviert, und entscheidet, was zu tun ist, basierend auf den Beispielen, die es in den letzten 40 Jahren von Daten gesehen hat.”

Das neue Modell ist derzeit weniger genau als die heutigen State-of-the-Art-Modelle, aber da es auf KI basiert, benötigt es 7.000 Mal weniger Rechenleistung, um den gleichen Bereich von Vorhersagen zu entwickeln. Da es eine kleinere Rechenarbeit hat, ist es schneller.

Ensemble-Vorhersage

Mit dieser erhöhten Geschwindigkeit könnten Vorhersagezentren mehrere Modelle mit unterschiedlichen Bedingungen ausführen. Dies wird als “Ensemble-Vorhersage” bezeichnet und wird verwendet, um Vorhersagen für eine Reihe von möglichen Bedingungen für ein Wetterereignis zu treffen.

Dale Durran ist Professor für Atmosphärenwissenschaften an der UW und Mitautor der Forschung.

“Es gibt so viel mehr Effizienz in diesem Ansatz; das ist es, was so wichtig daran ist”, sagte Durran. “Die Hoffnung ist, dass es uns ermöglichen könnte, mit Predictability-Problemen umzugehen, indem wir ein Modell haben, das schnell genug ist, um sehr große Ensembles auszuführen.”

Dieses Projekt begann, als Rich Caruana von Microsoft Research, der Mitautor des Papiers ist, vorschlug, KI für Wettervorhersagen auf der Grundlage historischer Daten zu verwenden. Dies bedeutete, dass physikalische Gesetze nicht mehr auf diese Vorhersagen angewendet werden mussten.

“Nachdem das KI-Algorithmus auf vergangenen Wetterdaten trainiert wurde, ist es in der Lage, Beziehungen zwischen verschiedenen Variablen herzustellen, die physikalische Gleichungen nicht können”, sagte Weyn. “Wir können es uns leisten, viel weniger Variablen zu verwenden und daher ein Modell zu erstellen, das viel schneller ist.”

Das Modell wurde getestet, indem es eine Standardvariable in der Wettervorhersage vorhersagte. Es traf Vorhersagen alle 12 Stunden für ein ganzes Jahr, und das neue Modell war einer der besten nach WeatherBench, einem Benchmark-Test für datengetriebene Wettervorhersagen.

Die Forscher müssen das Modell weiter anpassen, wenn es neben oder anstelle bestehender Modelle eingesetzt werden soll. Die Autoren glauben, dass dies eine Alternative zur Erstellung von Wettervorhersagen in der Zukunft sein könnte.