Als Helene Anfang dieses Jahres in Florida landete, kamen 234 Menschen durch den schlimmsten Hurrikan ums Leben, der das US-Festland seit Katarina im Jahr 2005 heimgesucht hat. Es sind diese Art von Naturkatastrophen und ihre zunehmende Intensität aufgrund des Klimawandels, die Wissenschaftler dazu veranlasst haben, die weitere Entwicklung voranzutreiben . genauere Wettervorhersagesysteme. Am Mittwoch gab die DeepMind-Abteilung von Google bekannt, dass dies der bedeutendste Fortschritt auf diesem Gebiet seit fast achtzig Jahren sein könnte.
In einer Nachricht am Google-Keyword-BlogIlan Price und Matthew Wilson von DeepMind erklärten GenCast, den neuesten KI-Agenten des Unternehmens. Laut DeepMind ist GenCast nicht nur besser in der Bereitstellung täglicher und extremer Wettervorhersagen als sein vorheriges KI-Wetterprogramm, sondern übertrifft auch das beste derzeit verwendete Vorhersagesystem, ein System, das vom Europäischen Zentrum für mittelfristige Wettervorhersagen (ECMWF) verwaltet wird ). In Tests, in denen die 15-Tage-Wettervorhersagen der beiden Systeme für 2019 verglichen wurden, war GenCast in durchschnittlich 97,2 Prozent der Fälle genauer als das ENS-System des ECMWF. Mit Bearbeitungszeiten von mehr als 36 Stunden war DeepMind sogar noch besser: 99,8 Prozent genauer.
„Ich zögere ein wenig, das zu sagen, aber es ist, als hätten wir in einem Jahr jahrzehntelange Verbesserungen erzielt“, sagt Rémi Lam, der leitende Wissenschaftler des vorherigen KI-Wetterprogramms von DeepMind. erzählt Die New York Times. „Wir sehen sehr, sehr schnelle Fortschritte.“
GenCast ist ein Diffusionsmodell, dieselbe Technologie, die die generativen KI-Tools von Google antreibt. DeepMind trainierte die Software anhand von fast 40 Jahren hochwertigen Wetterdaten, die vom Europäischen Zentrum für mittelfristige Wettervorhersagen zusammengestellt wurden. Die Vorhersagen, die das neue Modell generiert, sind probabilistisch, das heißt, sie berücksichtigen eine Reihe von Möglichkeiten, die dann in Prozentsätzen ausgedrückt werden. Wahrscheinlichkeitsmodelle gelten als differenzierter und nützlicher als ihre deterministischen Gegenstücke, die nur eine bestmögliche Schätzung darüber liefern, wie das Wetter an einem bestimmten Tag sein könnte. Ersteres ist auch schwieriger zu erstellen und zu berechnen.
Das vielleicht Auffälligste an GenCast ist, dass es deutlich weniger Rechenleistung benötigt als herkömmliche physikbasierte Ensemble-Vorhersagen wie ENS. Laut Google einer davon TPU v5 Tensor-Verarbeitungseinheiten kann in acht Minuten eine 15-tägige GenCast-Prognose erstellen. Im Gegensatz dazu kann es einen Supercomputer mit Zehntausenden von Prozessorstunden erfordern, eine physikbasierte Vorhersage zu erstellen.
Natürlich ist GenCast nicht perfekt. Ein Bereich, in dem die Software bessere Vorhersagen treffen könnte, ist die Hurrikanintensität, sagte das DeepMind-Team Die Zeiten Man war zuversichtlich, Lösungen für die aktuellen Mängel des Agenten finden zu können. Google macht GenCast jetzt zu einem offenen Modell mit Beispielcode für das Tool verfügbar auf GitHub. GenCast-Vorhersagen werden bald auch auf Google Earth verfügbar sein.
