Google stellt WeatherNext 3 KI-Modell als neuen Meilenstein in der Meteorologie vor

Experten von Google DeepMind und Google Research haben ein neues KI-Modell vorgestellt, das den Prozess der Wettervorhersage grundlegend verändert. Diese Technologie namens WeatherNext 3 ermöglicht eine präzisere Überwachung atmosphärischer Veränderungen und eine häufigere Prognose ihrer Bewegungen. Diese Neuerung stellt die nächste Welle tiefgreifender Veränderungen auf Basis von Deep-Learning-Technologien in der Meteorologie dar. Dies berichtet Techcrunch.com berichtet .

Laut ixbt.com und TechCrunch wird Google damit beginnen, dieses Modell in seine Suchmaschine, Google Maps und die Wetterdaten in Gemini-Apps zu integrieren. Es wird zudem über Google Cloud-Plattformen für normale Nutzer und Forscher zugänglich sein. Samier Merchant, leitender Ingenieur bei Google, betonte, dass dies das erste Mal sei, dass diese Schlüsselvariablen die Produkte des Unternehmens direkt unterstützen.

Die Überlegenheit von KI gegenüber traditionellen Supercomputern

Derzeit werden die meisten Wettervorhersagen von staatlichen Supercomputern erstellt, indem mathematische Gleichungen verarbeitet werden, die die physikalischen Gesetze abbilden. Obwohl diese Systeme präzise sind, sind sie sehr teuer und arbeiten relativ langsam. Nachdem das Europäische Zentrum für mittelfristige Wettervorhersage (ECMWF) im Jahr 2018 Wetterdaten aus über einem halben Jahrhundert bereitgestellt hatte, begannen KI-Forscher, Modelle zu trainieren, die schneller und ebenso genau wie staatliche Instrumente vorhersagen.

Ferran Alet, leitender Forschungsmanager bei DeepMind, erklärte, dass das Wetter äußerst chaotisch sei und kleine Abweichungen zu großen Veränderungen führen könnten. Maschinelles Lernen erlernt die approximative Physik unter Bedingungen unvollständiger Daten und begrenzter Rechenleistung und bildet Muster aus großen Datenmengen. Beim Test auf dem von dem Startup Brightband erstellten Operational WeatherBench-Benchmark zeigte das WeatherNext 3-Modell die genauesten Ergebnisse unter den führenden Wettbewerbern.

Technologische Verbesserungen und neue Möglichkeiten

Das neue Modell übertraf bei der Analyse von Indikatoren wie Temperatur, Windgeschwindigkeit und Luftfeuchtigkeit Deep-Learning-Modelle führender Organisationen wie Microsoft, NVIDIA und ECMWF sowie traditionelle Prognosen des US National Weather Service. Zuvor gab es drei Hauptprobleme bei der KI-gestützten Wettervorhersage: die Abdeckung eines größeren Gebiets (15-25 Quadratkilometer), Schwierigkeiten bei der Niederschlagserkennung und die Abhängigkeit von Daten staatlicher Stellen.

Das WeatherNext 3-Modell löst alle drei Probleme. Forscher geben an, dass es bei Schlüsselvariablen eine Genauigkeit von bis zu 5 Kilometern erreichen kann. Die Niederschlagsprognosen wurden im Vergleich zum WeatherNext 2-Modell um 60 Prozent verbessert, und Vorhersagen werden nun stündlich statt alle sechs Stunden bereitgestellt. Dies wurde durch die Tatsache erreicht, dass das Modell 2,4-mal mehr Parameter als sein Vorgänger besitzt und die Ziele für die Decoder-Heads präzise abgestimmt wurden.