Heutige Wettervorhersagen basieren auf komplexen Modellen, die die Gesetze berücksichtigen, die die Dynamik der Atmosphäre und der Ozeane bestimmen, und diese Modelle laufen auf einigen der leistungsstärksten Supercomputer, die es gibt. Dank der von DeepMind entwickelten künstlichen Intelligenz ist es Alphabet (der Muttergesellschaft von Google) jedoch gelungen, mit einer einzigen Maschine von der Größe eines Personalcomputers die globalen Wetterbedingungen für die nächsten zehn Tage in nur einer Minute vorherzusagen. Der Google AI sagt das Wetter voraus und das hat gerade erst begonnen.
In diesem Artikel erzählen wir Ihnen, wie Google AI das Wetter vorhersagt und wie sich diese Technologie entwickelt hat.
Google AI sagt das Wetter voraus
Überraschenderweise übertrifft dieses KI-System die meisten modernen Wettervorhersagesysteme in fast jeder Hinsicht. Interessanterweise scheint künstliche Intelligenz dieses Mal als Ergänzung zur menschlichen Intelligenz zu dienen, anstatt sie zu ersetzen.
Das Europäische Zentrum für mittelfristige Wettervorhersagen (ECMWF) verfügt über ein unglaublich fortschrittliches System, das letztes Jahr einer umfassenden Modernisierung unterzogen wurde, wodurch seine Vorhersagefähigkeiten verbessert wurden. Gehostet in seinen Einrichtungen in Bologna, Italien, Es gibt einen Supercomputer, der mit etwa einer Million Prozessoren ausgestattet ist (im Gegensatz zu den zwei oder vier in einem Personalcomputer) und einer außergewöhnlichen Rechenleistung von 30 Petaflops, was unglaublichen 30.000 Billionen Berechnungen pro Sekunde entspricht.
Diese immense Rechenkapazität ist für eines seiner Tools, High Resolution Forecasting (HRES), erforderlich, das mittelfristige globale Wettermuster genau vorhersagt Sie erstrecken sich in der Regel über zehn Tage und weisen eine beeindruckende räumliche Auflösung von neun Kilometern auf. Diese Vorhersagen dienen als Grundlage für Wettervorhersagen von Meteorologen auf der ganzen Welt. Kürzlich wurde GraphCast, eine von Google DeepMind entwickelte künstliche Intelligenz, verwendet, um die Fähigkeiten dieses beeindruckenden Systems bei der Wettervorhersage zu messen.
Ergebnisse der KI-Studie
Die am Dienstag in der Fachzeitschrift Science veröffentlichten Vergleichsergebnisse zeigen, dass GraphCast HRES bei der Vorhersage zahlreicher Wetterfaktoren übertrifft. Der Studie zufolge Die Maschine von Google übertrifft die von ECMWF in 90,3 % der 1.380 untersuchten Metriken.
Wenn man sich ausschließlich auf die Troposphäre konzentriert, die atmosphärische Schicht, in der die meisten Wetterereignisse auftreten, und Daten aus der Stratosphäre ausschließt, die sich etwa 6 bis 8 Kilometer über der Erdoberfläche befindet, übertrifft die künstliche Intelligenz (KI) in 99,7 % der Fälle von Menschen überwachte Supercomputer Fälle. die analysierten Variablen. Überraschenderweise wurde dieser Erfolg mit einer Maschine erreicht, die einem Personalcomputer sehr ähnelt und als Tensor Processing Unit oder TPU bezeichnet wird.
Laut Álvaro Sánchez González, Forscher bei Google DeepMind, handelt es sich bei TPUs um spezielle Hardware, die im Vergleich zu einem normalen PC eine effizientere Schulung und Ausführung von Software für künstliche Intelligenz bietet und dabei eine ähnliche Größe beibehält. So wie sich die Grafikkarte eines Computers auf die Wiedergabe von Bildern konzentriert, sind TPUs darauf ausgelegt, in Matrixprodukten hervorragende Leistungen zu erbringen. Für das GraphCast-Training haben wir über mehrere Wochen hinweg 32 TPUs verwendet. Sobald die Ausbildung jedoch abgeschlossen ist, Eine einzelne TPU kann Vorhersagen in weniger als einer Minute erstellen, wie Sánchez González, einer der Erfinder des Geräts, erklärte.
GraphCast und Vorhersagesysteme
Ein bemerkenswerter Unterschied zwischen GraphCast und bestehenden Vorhersagesystemen ist seine Fähigkeit, historische Daten zu integrieren. Die Entwickler trainierten das System anhand meteorologischer Daten aus dem ECMWF-Archiv aus dem Jahr 1979. Dieser umfangreiche Datensatz umfasst die Regenfälle in Santiago und die Wirbelstürme, die Acapulco über einen Zeitraum von 40 Jahren heimgesucht haben. Nach einer beträchtlichen Menge an Training verfügt GraphCast über die bemerkenswerte Fähigkeit, genaue Wettervorhersagen zu erstellen.
Um das Wetter in weiteren sechs Stunden genau vorherzusagen, müssen Sie lediglich die Wetterbedingungen sechs Stunden vor und unmittelbar vor Ihrer Vorhersage kennen. Vorhersagen sind voneinander abhängig und jede neue Prognose beeinflusst die vorherige. Ferran Alet, Mitschöpfer dieser beeindruckenden DeepMind-Maschine, erklärt ihr Innenleben: „Unser neuronales Netzwerk antizipiert die Wetterbedingungen sechs Stunden im Voraus. Um das Wetter in 24 Stunden vorherzusagen, werten wir das Modell einfach viermal aus. Alternativ hätten wir separate Modelle für die verschiedenen Zeiträume trainieren können, beispielsweise eines für sechs Stunden und eines für 24 Stunden. Jedoch, „Wir gehen davon aus, dass die zugrunde liegenden Prinzipien, die das Wetter bestimmen, innerhalb eines Zeitraums von sechs Stunden konsistent bleiben.“
„Wenn wir also das geeignete 6-Stunden-Modell finden und seine eigenen Vorhersagen als Eingabe verwenden können, können wir das Wetter für die nächsten 12 Stunden genau vorhersagen und diesen Vorgang alle sechs Stunden wiederholen.“ Laut Alet liefert dieser Ansatz eine beträchtliche Datenmenge für ein einzelnes Modell, was zu einem effizienteren Training führt.
Bisher basierten Wettervorhersagen auf numerischen Wettervorhersagen, die im Laufe der Geschichte entwickelte wissenschaftliche Gleichungen nutzten, um die verschiedenen Komplexitäten der atmosphärischen Dynamik zu berücksichtigen. Die Ergebnisse der Forscher legen eine Reihe mathematischer Algorithmen fest, die Supercomputern dienen muss ausgeführt werden, um Vorhersagen für die nächsten Stunden, Tage oder Wochen zu generieren (obwohl die Zuverlässigkeit nach 15 Tagen deutlich abnimmt). Um diese Aufgabe zu erfüllen, ist jedoch ein sehr fortschrittlicher Supercomputer erforderlich, der erhebliche Kosten und einen hohen technischen Aufwand mit sich bringt.
Das KI-Modell von Google sagt das Wetter voraus
Besonders bemerkenswert ist, dass diese Systeme Sie nutzen nicht die Wetterbedingungen des Vortages oder gar des Vorjahres, obwohl es am selben Ort und zur selben Zeit auftritt.
Im Gegenteil, es geht die Aufgabe aus einem anderen Blickwinkel an, fast aus dem Gegenteil. Durch seine fortschrittlichen Deep-Learning-Fähigkeiten nutzt es umfangreiche Archive vergangener Wetterdaten, um ein umfassendes Verständnis der komplexen Ursache-Wirkungs-Dynamik zu gewinnen, die den Fortschritt des Erdklimas bestimmt.
Laut José Luis Casado, Sprecher der spanischen Meteorologischen Agentur (AEMET), werden historische Daten im Atmosphärenmodell nicht berücksichtigt. Casado stellt klar, dass dieses Modell auf bestehenden Beobachtungen und der neuesten Vorhersage des Modells selbst basiert. Durch ein genaues Verständnis des aktuellen Zustands der Atmosphäre ist es möglich, ihre zukünftige Entwicklung vorherzusagen. Im Gegensatz zu Techniken des maschinellen Lernens nutzt dieser Ansatz keine historischen Daten oder Vorhersagen.
Ich hoffe, dass Sie mit diesen Informationen mehr über die KI von Google erfahren können, die das Wetter und seine Eigenschaften vorhersagt.