Können durch maschinelles Lernen ermöglichte Wettervorhersagen – von der südlichen Hemisphäre bis zur Arktis – Gemeinschaften und Volkswirtschaften besser schützen?
Genaue Wettervorhersagen spielen in unserem Leben eine entscheidende Rolle, und zwar mehr denn je, da wir uns an das veränderte Klima anpassen.
Egal wo auf der Welt wir uns befinden, unsere regelmäßigen Prognosen beeinflussen alles, von wichtigen Entscheidungen in der Landwirtschaft, im Transport- und Energiebereich bis hin zu Warnungen für Gemeinden, die von Überschwemmungen oder extremer Hitze betroffen sind.
Angesichts dieses Potenzials für gesellschaftlichen Nutzen überrascht es nicht, dass KI-Wetterinitiativen – von Huaweis Pangu-Weather bis zu Google DeepMinds GenCast – für so viel Aufregung sorgen .
Hier bei Turing ist der Einsatz von KI zur Verbesserung der Wettervorhersage ein zentraler Aspekt unserer großen Herausforderung „Umwelt und Nachhaltigkeit“ . Aufbauend auf den an der Universität Cambridge entwickelten Arbeiten haben wir ein Team zusammengestellt, das das erste einer neuen Generation von KI-Wettervorhersagesystemen namens Aardvark entwickeln soll .
Aardvark begeistert Forscher, da es zu einem Paradigmenwechsel in der Wettervorhersage führen könnte, die schneller, genauer, flexibler und weniger rechenintensiv ist als alle anderen bisherigen traditionellen und KI-gestützten Ansätze.
Wie sagen wir das Wetter voraus?
Um den Wert von Aardvark zu verstehen, ist es wichtig zu erklären, wie Wettervorhersagen derzeit erstellt werden.
Wetterdienste auf der ganzen Welt verwenden einen seit langem etablierten Ansatz namens numerische Wettervorhersage, der drei Schritte erfordert:
- Schritt eins: Meteorologen sammeln Informationen von Satelliten, Wetterstationen, Wetterballons, Booten, Bojen, Schiffen und Flugzeugen und kombinieren diese mit einer aktuellen Prognose, um den aktuellen Zustand der Atmosphäre abzuschätzen.
- Schritt zwei: Ein komplexes Computermodell der Atmosphäre entwickelt den aktuellen Zustand in der Zukunft weiter, um Wettervorhersagen zu erstellen.
- Schritt drei: Die Prognosen werden verarbeitet, um sicherzustellen, dass sie für den Einsatz an bestimmten Standorten bereit sind. Dabei werden Verzerrungen korrigiert und die räumliche Granularität erhöht. Außerdem werden Eingaben von menschlichen Meteorologen einbezogen.
Diese Pipeline erfordert riesige Supercomputer, komplexe Software und umfangreiche Supportteams. Während dies in Ländern wie Großbritannien möglich ist, sind numerische Wettervorhersagesysteme in Entwicklungsregionen wie Afrika südlich der Sahara aufgrund der erforderlichen Rechenleistung oft weniger praktikabel.
In den letzten zwei Jahren haben sowohl Technologieunternehmen als auch Wetterdienste begonnen, KI-Modelle zu verwenden, um den zweiten Schritt der Pipeline zu ersetzen und ihn deutlich schneller und genauer zu machen. Der erste Schritt der Pipeline blieb jedoch von KI unberührt und da er genauso teuer ist wie der zweite, muss diese erste Generation von KI-Prognosemodellen weiterhin von riesigen Supercomputern und großen Teams unterstützt werden.
Was gibt es Neues bei Aardvark?
Aardvark ist das erste System, das alle Schritte der Wettervorhersage durch ein einziges KI-Modell ersetzt, das auf einem Desktop-Computer trainiert und ausgeführt werden kann. Die Prognosen von Aardvark sind tausendmal schneller als alle bestehenden traditionellen und KI-basierten Prognosesysteme.
Aardvark empfängt multimodale Daten von Satelliten, Wetterstationen und Wetterballons und erstellt eine zehntägige globale Vorhersage.
Diese Daten sind komplex, stammen oft von verschiedenen Orten weltweit zu unterschiedlichen Zeiten und weisen komplexe Muster fehlender Daten auf. Daher ist für ihre Verarbeitung eine neuartige Deep-Learning-Architektur erforderlich. Diese Architektur ist darauf trainiert, anhand eines großen historischen Datensatzes das Wetter bis zu zehn Tage im Voraus vorherzusagen.
Warum ist das wichtig? Vor allem könnte dies einen echten Mehrwert für Entwicklungsländer bieten, wo der Zugang zu Supercomputern, komplexer Infrastruktur und Fachwissen eingeschränkter ist. Doch die Technologie kann überall nützlich sein, indem sie Effizienz und Genauigkeit verbessert und sogar den erheblichen CO2-Fußabdruck von Wettervorhersagen drastisch reduziert.
Der Vergleich einer Aardvark-Windgeschwindigkeitsvorhersage (links) mit dem tatsächlichen Wetter (Grundlage, rechts) zeigt, dass Aardvark die Windgeschwindigkeiten auf der ganzen Welt genau vorhersagen kann, einschließlich der Entstehung des tropischen Wirbelsturms Berguitta im Jahr 2018.
Chancen und Herausforderungen einschätzen
Aardvark erfindet aktuelle Methoden der Wettervorhersage neu und bietet eine Reihe von Möglichkeiten.
Aardvark benötigt nicht nur weniger Rechenleistung, sondern ist auch schnell. Herkömmliche Prognosen können auf einem Supercomputer Stunden dauern, während Aardvark nach dem Training innerhalb von Minuten Prognosen erstellen und auf einem Desktop-Computer ausführen kann.
Auch die Genauigkeit von Aardvark ist vielversprechend. Weltweit ist Aardvark bereits so genau wie das amerikanische Global Forecast System (GFS), nutzt aber nur etwa 10 % der verfügbaren Daten für seine Prognosen. Daher dürften weitere Verbesserungen möglich sein. Wir sind gespannt, was passiert, wenn wir die Datenmenge erhöhen und Aardvark durchgängig optimieren, um genauere Prognosen zu liefern. Dieses neue Paradigma könnte den traditionellen numerischen Ansatz in Entwicklungsländern ersetzen.
Ein derart optimiertes System könnte auch eine wichtige Rolle bei der Demokratisierung des Zugangs zu fortschrittlichen Prognoseinstrumenten spielen und Entwicklungsländern oder Ländern mit Datenarmut die Möglichkeit geben, Kapazitäten aufzubauen und maßgeschneiderte Wettervorhersagesysteme zu entwickeln, für deren Betrieb, Bereitstellung und Wartung bisher große Teams erforderlich gewesen wären.
Natürlich gibt es Herausforderungen und es ist wichtig anzuerkennen, dass sich Wettertools auf Basis maschinellen Lernens zwar rasant weiterentwickeln, es sich dabei aber immer noch um eine experimentelle Technologie handelt, die über einen gewissen Zeitraum hinweg einer strengen Evaluierung bedarf.
Wettervorhersagetools müssen alle Wetterarten präzise vorhersagen, und Extremereignisse wie Hurrikane und Überschwemmungen sind dabei besonders wichtig. Leider sind seltene Ereignisse wie diese in den Trainingsdaten weniger stark vertreten, was bedeutet, dass KI-Systeme bei diesen Phänomenen möglicherweise größere Schwierigkeiten haben.
Wir müssen außerdem sicherstellen, dass wir den Klimawandel berücksichtigen, der die Genauigkeit von Modellen, die auf Daten aus der Vergangenheit trainiert wurden, beeinträchtigen könnte.
Erste Anzeichen deuten darauf hin, dass wir diesen Herausforderungen gewachsen sind.
Mehr lesen: Die Bedeutung hinter dem Party-Rock-Bandnamen: LMFAO
Was kommt als nächstes für Aardvark?
Die Einbringung der Ideen hinter Aardvark in Turing wird die umfassendere Arbeit des Instituts voranbringen und einen entscheidenden Wandel in der hochpräzisen Umweltvorhersage für Wetter, Ozeane und Meereis anstreben.
Ein konkretes Ziel besteht darin, sicherzustellen, dass Aardvark die Lebensgrundlagen in Entwicklungsländern, beispielsweise in Gemeinden in den Entwicklungsländern und in der Arktis, unterstützen kann.
Und die Forscher werden die Funktionalität von Aardvark weiter verbessern, indem sie zusätzliche Daten einbeziehen und die Genauigkeit verbessern, insbesondere bei speziellen Aufgaben wie der Vorhersage von Ereignissen wie Hurrikanen und Überschwemmungen. Darüber hinaus werden sie saisonale und langfristige Prognosen erstellen, die Regierungen und Unternehmen die längerfristige Planung erleichtern könnten.
Mit Blick auf die Zukunft ist die auf KI und maschinellem Lernen basierende Wettervorhersage ein unglaublich spannendes Feld mit dem Potenzial, der Gesellschaft erhebliche Vorteile zu bringen.
Die Vielfalt der Organisationen, die nach neuen Entwicklungen streben, wird der Welt die besten Chancen geben, Durchbrüche zu erzielen, die unzählige Leben retten und unsere Volkswirtschaften schützen werden.
Bei Turing möchten wir hier eine Vorreiterrolle einnehmen und gemeinsam mit unseren Ökosystempartnern dazu beitragen, dass Großbritannien auch in den kommenden Jahren eine Vorreiterrolle bei der Umweltprognose einnimmt.