Das erste, von Huawei entwickelte, beschreibt, wie sein neues KI-Modell, Pangu-Weather, wöchentliche Wettermuster auf der ganzen Welt viel schneller als herkömmliche Vorhersagemethoden, aber mit vergleichbarer Genauigkeit, vorhersagen kann.
Der zweite zeigt, wie ein Deep-Learning-Algorithmus in der Lage war, extreme Niederschläge präziser und vorausschauender als andere führende Methoden vorherzusagen, und belegte in Tests mit ähnlichen bestehenden Systemen in etwa 70 % der Fälle den ersten Platz.
Wenn diese Modelle übernommen würden, könnten sie neben herkömmlichen Wettervorhersagemethoden eingesetzt werden, um die Fähigkeit der Behörden zu verbessern, sich auf schlechtes Wetter vorzubereiten, sagt Lingxi Xie, ein leitender Forscher bei Huawei.
Um Pangu-Weather zu entwickeln, haben Huawei-Forscher ein tiefes neuronales Netzwerk aufgebaut, das auf 39 Jahren Reanalysedaten trainiert wurde und historische Wetterbeobachtungen mit modernen Modellen kombiniert. Im Gegensatz zu herkömmlichen Methoden, bei denen Wettervariablen einzeln analysiert werden, was Stunden dauern kann, ist Pangu-Weather in der Lage, alle Variablen gleichzeitig in nur wenigen Sekunden zu analysieren.
Die Forscher testeten Pangu-Weather mit einem der führenden konventionellen Wettervorhersagesysteme der Welt, dem operationellen integrierten Vorhersagesystem des Europäischen Zentrums für mittelfristige Wettervorhersagen (ECMWF), und stellten fest, dass es eine ähnliche Genauigkeit lieferte.
Pangu-Weather war auch in der Lage, den Weg eines tropischen Wirbelsturms genau zu verfolgen, obwohl es nicht mit Daten über tropische Wirbelstürme trainiert wurde. „Dieser Befund zeigt, dass maschinelle Lernmodelle in der Lage sind, die physikalischen Prozesse des Wetters aufzugreifen und sie auf Situationen zu übertragen, die sie noch nie gesehen haben“, sagt Oliver Fuhrer, Leiter der Abteilung für numerische Vorhersagen bei MeteoSchweiz, dem Schweizer Bundesamt für MeteoSchweiz Meteorologie und Klimatologie. Er war nicht an der Forschung beteiligt.
„Pangu-Weather ist spannend, weil es das Wetter viel schneller vorhersagen kann, als es Wissenschaftlern zuvor möglich war, und Dinge vorhersagen kann, die nicht in seinen ursprünglichen Trainingsdaten enthalten waren“, sagt Fuhrer.
Im vergangenen Jahr haben mehrere Technologieunternehmen KI-Modelle vorgestellt, die darauf abzielen, die Wettervorhersage zu verbessern. Pangu-Weather und ähnliche Modelle wie Nvidias FourcastNet und Google-DeepMinds GraphCast veranlassen Meteorologen, „zu überdenken, wie wir maschinelles Lernen und Wettervorhersagen nutzen“, sagt Peter Dueben, Leiter der Erdsystemmodellierung am ECMWF. Er war nicht an der Forschung beteiligt, hat aber Pangu-Weather getestet.