Als Helene Anfang des Jahres in Florida auf Land traf, starben 234 Menschen durch den schlimmsten Hurrikan, der seit Katarina im Jahr 2005 auf das Festland der USA traf. Naturkatastrophen wie diese und ihre zunehmende Intensität aufgrund des Klimawandels haben Wissenschaftler dazu veranlasst, genauere Wettervorhersagesysteme zu entwickeln. Am Mittwoch kündigte Googles Abteilung DeepMind den vielleicht wichtigsten Fortschritt in diesem Bereich seit fast acht Jahrzehnten an.
In einem Beitrag im Google Keyword Blog stellten Ilan Price und Matthew Wilson von DeepMind GenCast vor, den neuesten KI-Agenten des Unternehmens. Laut DeepMind ist GenCast nicht nur besser bei der Vorhersage von Tages- und Extremwetter als sein vorheriges KI-Wetterprogramm, sondern übertrifft auch das derzeit beste Prognosesystem, das vom Europäischen Zentrum für mittelfristige Wettervorhersage (EZMW) betrieben wird. In Tests, bei denen die 15-Tage-Vorhersagen der beiden Systeme für das Wetter im Jahr 2019 verglichen wurden, war GenCast im Durchschnitt in 97,2 Prozent der Fälle genauer als das ENS-System des EZMW. Bei Vorhersagen von mehr als 36 Stunden war das System von DeepMind mit 99,8 Prozent sogar noch genauer.
„Ich hasse es, das zu sagen, aber es ist, als hätten wir in einem Jahr Verbesserungen für Jahrzehnte erzielt“, sagte Rémi Lam, leitender Wissenschaftler des früheren KI-Wetterprogramms von DeepMind, der New York Times. “Wir sehen wirklich sehr, sehr schnelle Fortschritte.“
GenCast ist ein Diffusionsmodell, das auf derselben Technologie basiert wie die generativen KI-Tools von Google. DeepMind hat die Software mit fast 40 Jahren hochwertiger Wetterdaten trainiert, die vom Europäischen Zentrum für mittelfristige Wettervorhersage gesammelt wurden. Die Vorhersagen des neuen Modells sind probabilistisch, d. h. sie berücksichtigen eine Reihe von Möglichkeiten, die dann in Prozentzahlen ausgedrückt werden. Probabilistische Modelle gelten als differenzierter und nützlicher als ihre deterministischen Pendants, die nur eine bestmögliche Schätzung des Wetters an einem bestimmten Tag liefern. Erstere sind auch schwieriger zu erstellen und zu berechnen.
Am auffälligsten ist vielleicht, dass GenCast viel weniger Rechenleistung benötigt als herkömmliche, physikalisch basierte Ensemble-Vorhersagen wie ENS. Laut Google kann eine einzige seiner TPU v5 Tensor Processing Units eine GenCast-Prognose für 15 Tage in acht Minuten erstellen. Im Vergleich dazu kann ein Supercomputer mit Zehntausenden von Prozessoren Stunden brauchen, um eine physikbasierte Prognose zu erstellen.
Natürlich ist auch GenCast nicht perfekt. Ein Bereich, in dem die Software bessere Vorhersagen liefern könnte, ist die Stärke von Hurrikanen. Das DeepMind-Team erklärte gegenüber The Times jedoch, dass es zuversichtlich sei, Lösungen für die derzeitigen Unzulänglichkeiten des Agenten zu finden. In der Zwischenzeit macht Google GenCast zu einem offenen Modell und stellt Beispielcode für das Tool auf GitHub zur Verfügung. GenCast-Vorhersagen werden demnächst auch in Google Earth verfügbar sein.
