Werden Wettervorhersagen durch künstliche Intelligenz genauer? Diese neue Errungenschaft unseres Landes wurde in der führenden internationalen Zeitschrift veröffentlicht

Seit ChatGPT herauskam und künstliche Intelligenz (KI) wieder ein heißes Thema ist, beschäftigen sich viele Menschen mit einer Frage: Ich hoffe, KI kann mir helfen, den Boden zu fegen und Geschirr zu spülen, damit ich in der Stimmung bin, Gedichte zu schreiben und zu malen. Doch warum schreiben künstliche Intelligenzen von heute Gedichte und malen, während wir Menschen noch immer den Boden fegen und Geschirr spülen?

Bild aus den sozialen Medien

Die von Internetnutzern beklagte Situation hängt mit dem Entwicklungsverlauf der künstlichen Intelligenztechnologie und dem Kommerzialisierungsprozess der Technologie zusammen, ist jedoch nicht etwas, was wissenschaftliche Forscher „absichtlich“ getan hätten. Gleichzeitig arbeiten zahllose Forscher im Bereich der künstlichen Intelligenz hart daran, diese Technologie so zu gestalten, dass jedermann praktischere Ziele erreichen kann.

Vor Kurzem veröffentlichte das Huawei Cloud-Team in der Zeitschrift Nature ein großes KI-Modell, das versuchte, ein sehr praktisches Problem zu lösen, das die gesamte Menschheit plagt: die Wettervorhersage .

Copyright-Bilder in der Galerie. Der Nachdruck und die Verwendung können zu Urheberrechtsstreitigkeiten führen.

Eine der größten Schwierigkeiten bei der Wettervorhersage ist die chaotische Natur der Entwicklung der atmosphärischen Systeme , die bestimmen, wie das Wetter entsteht.

Obwohl bei den aktuellen NWP-Methoden erhebliche Fortschritte erzielt wurden, bestehen weiterhin einige Einschränkungen. Erstens erfordern NWP-Modelle viele Rechenressourcen, um komplexe physikalische Gleichungen zu lösen. Dies könnte ein „fatales“ Problem für groß angelegte globale Wettervorhersagen sein. Zweitens erfordern NWP-Modelle normalerweise detaillierte Anfangsbedingungen , die oft durch Satelliten- und bodengestützte Messungen bereitgestellt werden, die Daten können jedoch Unsicherheiten oder Fehler enthalten. Dies beeinträchtigt die Genauigkeit der Prognose.

Während wir also in der Lage sind, kurzfristige Wettervorhersagen (d. h. Vorhersagen für die nächsten Stunden oder Tage) ziemlich genau zu machen, bleibt die Genauigkeit mittel- und langfristiger Vorhersagen (d. h. Vorhersagen für die nächsten Wochen oder Monate) eine Herausforderung. Heute könnten wir durch die Entstehung großer KI-Modelle genaueren mittel- und langfristigen Prognosen einen Schritt näher kommen.

In der Hauptausgabe des Magazins Nature vom 5. Juli 2023 berichtete das Huawei Cloud-Team über eine Arbeit zur mittelfristigen Wettervorhersage basierend auf dem großen Modell Huawei Cloud Pangu-Weather. Diese Arbeit löste zum ersten Mal das globale Problem, dass KI-Wettervorhersagen weniger genau sind als herkömmliche numerische Vorhersagen . Außerdem wurden die Vorhersagen 10.000 Mal schneller, sodass globale Wettervorhersagen in Sekundenschnelle möglich waren .

Der Kern des Huawei Cloud Pangu Meteorological Model ist ein dreidimensionales tiefes neuronales Netzwerk (3D Earth-Specific Transformer), das komplexe Muster in Wetterdaten erfassen kann und mit etwa 40 Jahren globaler Wetterdaten trainiert wird. Gleichzeitig wandte das Team eine hierarchische Zeitbereichsaggregationsstrategie an, um die kumulativen Fehler in mittelfristigen Prognosen zu reduzieren. Dadurch übertrifft das Pangu-Wettermodell in einigen Fällen das weltweit beste NWP-System hinsichtlich Genauigkeit und Geschwindigkeit .

Das Forschungs- und Entwicklungsteam von Huawei Cloud stellte fest, dass es zwei Hauptgründe für die mangelnde Genauigkeit früherer KI-Wettervorhersagemodelle gab: Erstens basierten die ursprünglichen KI-Wettervorhersagemodelle alle auf 2D-Neuralnetzen und konnten mit ungleichmäßigen 3D-Wetterdaten nicht gut umgehen; Zweitens fehlten der KI-Methode mathematische und physikalische Mechanismusbeschränkungen, sodass sich während des Iterationsprozesses weiterhin iterative Fehler anhäuften.

Ein entscheidender Durchbruch des Huawei Cloud Pangu-Wettermodells ist das Verständnis der Wettermuster auf der Erde. Durch die Einbeziehung von Höheninformationen in die neue Dimension kann das System Wettermuster in drei Dimensionen verstehen und so genauere Wettervorhersagen erstellen. Darüber hinaus stellt die hierarchische zeitliche Aggregationsstrategie auch einen wichtigen technologischen Durchbruch dar, der die Anzahl der für mittelfristige Wettervorhersagen erforderlichen Iterationen erheblich reduziert und somit den kumulativen Fehler verringert.

Copyright-Bilder in der Galerie. Der Nachdruck und die Verwendung können zu Urheberrechtsstreitigkeiten führen.

Die Industrie hat die Forschung von Huawei sehr gelobt. Die einschlägigen Experten sind allgemein der Ansicht, dass die Entstehung des meteorologischen Modells von Pangu einen bedeutenden Durchbruch auf dem Gebiet der künstlichen Intelligenz bei der Wettervorhersage darstellt. Institutionen wie das China National Meteorological Center und das Europäische Zentrum für mittelfristige Wettervorhersage (ECMWF) haben die Überlegenheit der Vorhersagen des großen Pangu-Modells in tatsächlichen Messungen bestätigt. Die Ergebnisse, einschließlich Temperatur, Luftfeuchtigkeit, Windgeschwindigkeit, Luftdruck auf Meereshöhe usw., können direkt auf mehrere meteorologische Forschungsszenarien angewendet werden.

Obwohl das Pangu-Modell in gewisser Weise neue Möglichkeiten für die Vorhersage eröffnet hat, ist es für das Training immer noch auf NWP angewiesen und seine Ergebnisse haben NWP nicht übertroffen. Aus objektiver Sicht haben Experten daher auch auf einige Mängel und Verbesserungsmöglichkeiten des Pangu-Wettermodells hingewiesen, die noch weiterer Forschung und Überprüfung durch das Forschungsteam bedürfen.

Im Mai 2023 erregte der Taifun Mawar als bisher stärkster tropischer Wirbelsturm des Jahres weltweite Aufmerksamkeit. Das Nationale Meteorologische Zentrum nutzt künstliche Intelligenz, um die Erkennungstechnologie schnell zu verbessern und Trendvorhersagen 12 Stunden im Voraus zu erstellen . In einem entsprechenden Bericht der China Meteorological News hieß es, dass das Huawei Cloud Pangu-Modell die Flugbahn von Mawa gut vorhergesagt habe und dessen Wende in den Gewässern östlich der Insel Taiwan fünf Tage im Voraus vorhergesagt habe. Auf dem 19. Weltkongress für Meteorologie wies das Europäische Zentrum für mittelfristige Wettervorhersagen auch darauf hin, dass das meteorologische Modell Huawei Cloud Pangu über unbestreitbare Genauigkeitsfähigkeiten verfüge und dass das rein datengesteuerte KI-Wettervorhersagemodell Prognosefähigkeiten bewiesen habe, die mit numerischen Modellen vergleichbar seien.

Das Forschungs- und Entwicklungsteam von Huawei Cloud schlug außerdem eine adaptive Lernstrategie vor, die es dem Modell ermöglicht, bei Vorhersagen auf Grundlage neuer Daten Anpassungen in Echtzeit vorzunehmen. Die erfolgreiche Implementierung dieser Technologie wird die Vorhersagegenauigkeit des Pangu-Wettermodells weiter verbessern und es für praktische Anwendungen wertvoller machen.

Genaue Wettervorhersagen haben in Bereichen wie Landwirtschaft, Luftfahrt, Energie und Katastrophenvorsorge einen erheblichen sozialen und wirtschaftlichen Wert. In der Landwirtschaft beispielsweise helfen genaue Niederschlagsvorhersagen den Landwirten dabei, ihre landwirtschaftlichen Aktivitäten sinnvoll zu planen und die Effizienz der landwirtschaftlichen Produktion zu verbessern. Im Bereich des Luftverkehrs helfen genaue Windgeschwindigkeitsvorhersagen den Fluggesellschaften, ihre Routen sinnvoll zu planen und die Betriebskosten zu senken.

In den letzten Jahrzehnten haben Meteorologen hart daran gearbeitet, die Genauigkeit von Wettervorhersagen zu verbessern, doch auf diesem Gebiet gibt es noch immer viele Herausforderungen. Künstliche Intelligenz könnte in Zukunft der Schlüssel zur Bewältigung dieser Herausforderungen sein.

Hinweise

[1] https://www.nature.com/articles/s41586-023-06185-3

[2] Die Zusammenfassung des Artikels gibt die Dauer mit 39 Jahren an. Der Nachrichtenbericht auf der offiziellen Website von Huawei geht auf 43 Jahre zurück.

[3] https://www.cma.gov.cn/en2014/news/News/202306/t20230607_5560758.html

[4] https://www.ecmwf.int/en/about/media-centre/science-blog/2023/rise-machine-learning-weather-forecasting

Planung und Produktion

Autor: Wenfei Wissenschaftsreporter

Rezension von Yu Yang, Leiter des Tencent Xuanwu Lab

Herausgeber: Cui Yinghao

Das Titelbild und die Bilder in diesem Artikel stammen aus der Copyright-Bibliothek

Nachdruck kann zu Urheberrechtsstreitigkeiten führen