Der Technologiekonzern Google hat in dieser Woche in Kooperation dem Europäischen Zentrum für mittelfristige Wettervorhersage (ECMWF) eine Künstliche Intelligenz (KI) für die Wettervorhersage veröffentlicht. Unter dem Titel GraphCast wurde ein Wettermodell geschaffen, welches alle anderen Wettermodelle in den Schatten stellen soll. Die ersten Ergebnisse sind beeindruckend!
Das Ziel war es, herauszufinden, ob mit Künstlicher Intelligenz das Wetter vorhergesagt werden kann und mit welcher Qualität dies dann möglich ist. GraphCast ist ein Wettermodell für die mittelfristige Wettervorhersage. Es ist ausgelegt auf eine Vorhersage von bis zu 10 Tagen.
Als bislang bestes Wettermodell in diesem Bereich gilt zur Zeit das HRES (High Resolution Forecast) vom ECMWF. Die Forscher der Google Tochter Deepmind haben in unzähligen Läufen die Ergebnisse von GraphCast mit dem HRES verglichen und herausgefunden, dass GraphCast in 90% der Fälle noch bessere Ergebnisse erzielt und zudem deutlich schneller ist.
Während das HRES auf mehreren Supercomputern in Minuten bis Stunden gerechnet wird, konnte GraphCast auf einem einzigen Prozessor, der für KI-Operationen ausgelegt ist, innerhalb 1 Minute ein Ergebnis liefert. Das ist wirklich beeindruckend.
Der Grund für den Unterschied liegt in der Art der Wettermodelle. Während klassische numerische Wettermodelle aus unzähligen mathematischen, physikalischen und chemischen Gleichungen bestehen, die versuchen, die Atmosphäre zu beschreiben und die pro Stunde pro Gitternetzpunkt durchgerechnet werden, wird Googles GraphCast zuvor mit einer Vielzahl von vergangenen Wetterdaten mit Deep Learning trainiert. Heraus kommt ein KI-Modell (künstliches neuronales Netz), wodurch anschließend viel schneller Ergebnisse produziert werden können.
Matthew Chantry vom ECMWF geht in der New Yorker Times auch auf den Energieverbrauch des neuen Wettermodells ein: “Bezüglich des Energieverbrauchs könnten wir von einer 1000-fachen Einsparung reden, das ist eine wundersame Verbesserung”. Das Training des Modells sei aufwändig, der Betrieb dafür umso sparsamer.
Das ECMWF veröffentlicht auf seiner Webseite beispielhaft die Vorhersage des Windes in 850 hpa Höhe aus dem Modell GraphCast: https://charts.ecmwf.int/products/graphcast_medium-mslp-wind850
Hier noch weitere interessante Artikel zum Thema:
- Blog-Beitrag von Google: https://deepmind.google/discover/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting/
- Ursprüngliches Paper, veröffentlicht in “Science”: https://www.science.org/doi/10.1126/science.adi2336
- Projekt auf Github: https://github.com/google-deepmind/graphcast