Die National Oceanic and Atmospheric Administration (NOAA) der Vereinigten Staaten hat kürzlich offiziell eine neue Generation globaler Wettervorhersagemodelle auf Basis künstlicher Intelligenz eingeführt und behauptet, schnellere und genauere Wettervorhersagen zu ermöglichen und gleichzeitig den Rechenleistungsverbrauch deutlich zu senken. Dies markiert einen großen Sprung im US-amerikanischen Wettervorhersagesystem von traditionellen physikalischen Modellen zu datengesteuerten KI-Systemen. NOAA sagte, die Technologie sei am frühen Mittwochmorgen in Betrieb genommen worden und sei ein wichtiger Schritt in ihren Bemühungen, das US-Wettervorhersagesystem zu modernisieren.
Diese KI-Modelle wurden vom Center for Environmental Forecasts der NOAA in Zusammenarbeit mit dem National Weather Service entwickelt und eingesetzt und sollen bestehende numerische Vorhersagemodelle ergänzen, nicht ersetzen. Die Sprecherin des National Weather Service, Erica Grow Cei, sagte den Medien, dass ein Teil der Trainingsdaten für die derzeit laufenden Modelle für maschinelles Lernen aus traditionellen numerischen Modellen stammt, die immer noch verwendet werden, und dass Modelle, die auf komplexen physikalischen Gleichungen basieren, immer noch eine der wichtigen Informationsquellen für das KI-Training sind.
Das wichtigste Prognoseinstrument der NOAA war lange Zeit das Global Forecast System (GFS). Dieses grundlegende physikalische Modell simuliert das atmosphärische Verhalten durch mathematische Gleichungen und generiert Daten zu mehreren Elementen wie Temperatur, Windgeschwindigkeit, Niederschlag, Ozon und Bodenfeuchtigkeit. Es besteht aus mehreren Subsystemen wie der Landoberfläche, dem Ozean und der Atmosphäre. Es wirkt zusammen und bildet ein Ganzes. Um die systematische Verzerrung des GFS abzumildern, hat die NOAA zuvor auch das „Global Ensemble Forecast System“ (GEFS) entwickelt, um die Unsicherheit verschiedener Wetterszenarien durch mehrere Simulationen abzudecken.
Daryl Kleist, stellvertretender Direktor des Environmental Forecast Center der NOAA, sagte, dass die neue Generation von KI-Modellen auf der Grundlage der Daten trainiert wird, die diese traditionellen Modelle im Laufe der Jahre gesammelt haben. Er wies darauf hin, dass die deutliche Verbesserung der Prognosefähigkeiten dieser KI-Modelle größtenteils auf die in ihrem Training verwendeten „analytischen Felddaten“ zurückzuführen sei und diese analytischen Daten hauptsächlich aus dem alten numerischen Modellrahmen abgeleitet seien.
In Bezug auf den Bedarf an Rechenleistung schätzt die NOAA, dass das neue KI-System den Rechenressourcenverbrauch im Vergleich zu herkömmlichen Prognosemodellen um 91 bis 99 % reduzieren kann, wodurch die Abhängigkeit von Echtzeit-Geschäftsprognosen von Supercomputing-Clustern deutlich verringert wird. Gleichzeitig wird erwartet, dass diese Modelle die effektive Vorhersagezeit um 18 bis 24 Stunden verlängern und gleichzeitig die Genauigkeit beibehalten oder verbessern. Kleist erinnerte auch daran, dass es sich bei dem hier berechneten Energieverbrauch um den Energieverbrauch während der laufenden Phase des Modells handelt und nicht die großen Energieinvestitionen berücksichtigt, die für das frühe KI-Training selbst erforderlich sind.
Das dieses Mal eingeführte KI-Prognosesystem besteht aus drei Kernmodellen. Das erste ist das Artificial Intelligence Global Forecast System (AIGFS), das Beamte als ein neues globales Modell beschreiben, das KI-Technologie nutzt, um Wettervorhersagen schneller und effizienter zu erstellen. Nach Angaben der NOAA benötigt AIGFS nur etwa 0,3 % der Rechenressourcen herkömmlicher GFS, um eine 16-tägige globale Vorhersage zu erstellen, und die Laufzeit beträgt etwa 40 Minuten, was bedeutet, dass operative Prognosen früher aktualisierte numerische Leitlinien erhalten können.
Das zweite Modell ist das „Artificial Intelligence Global Ensemble Forecast System“ (AIGEFS), das Ensembleideen auf Basis von AIGFS einführt. Es liefert nicht mehr nur ein einzelnes deterministisches Ergebnis, sondern generiert eine Reihe möglicher Entwicklungspfade, um die Unsicherheit in Wettervorhersagen zu quantifizieren. Das dritte Modell „Hybrid-GEFS“ integriert neue KI-Technologie in das bestehende GEFS-Ensemblesystem der NOAA und zielt darauf ab, KI weiter zu nutzen, um die Darstellung von Unsicherheit und Prognosegenauigkeit zu optimieren und gleichzeitig die Vorteile des traditionellen Ensemblesystems beizubehalten.
NOAA betonte, dass sich diese Reihe von KI-Modellen noch in der kontinuierlichen Iterationsphase befinde und das wissenschaftliche Forschungsteam sich darauf konzentriere, ihre Leistung bei Wettervorhersagen mit starken Auswirkungen wie Hurrikanen zu verbessern und die Bandbreite möglicher Szenarien, die das Ensemblesystem bietet, weiter zu verbessern. Die Agentur geht davon aus, dass KI im Zuge der weiteren Verbesserung dieser Modelle voraussichtlich eine immer wichtigere unterstützende Rolle bei künftigen Extremwetterwarnungen und mittel- und langfristigen Vorhersagen spielen wird.