Google DeepMind und Google Research haben WeatherNext 2 vorgestellt, ihr bisher fortschrittlichstes und effizientestes Modell zur Wettervorhersage. Dieses Modell kann Vorhersagen achtmal schneller als zuvor und mit einer Auflösung von bis zu einer Stunde erstellen. Das bedeutet, dass Sie detaillierte Wetterinformationen für die ganze Welt erhalten können, die bei der Planung von Flügen oder des täglichen Arbeitswegs helfen. Das Modell basiert auf künstlicher Intelligenz (KI) und ermöglicht es, aus einer einzigen Eingabe Hunderte möglicher Wetterszenarien zu generieren, was auf einer einzelnen TPU-Einheit (Tensor Processing Unit) weniger als eine Minute dauert.
Dieser Fortschritt beruht auf einem neuen Ansatz, der separat trainierte neuronale Netze verwendet und Rauschen direkt in den Funktionsraum einbringt, um unterschiedliche, aber realistische Vorhersagevarianten zu erzeugen. Das Modell verarbeitet beispielsweise eine einzige Eingabe und erstellt daraus eine ganze Bandbreite von Möglichkeiten, einschließlich der ungünstigsten Szenarien, die für die Planung entscheidend sind. Im Gegensatz zu herkömmlichen physikalischen Modellen, die auf einem Supercomputer Stunden benötigen würden, bewältigt WeatherNext 2 alles schnell und effizient.
Wie sagt das Modell Szenarien voraus?
WeatherNext 2 konzentriert sich darauf, aus einem einzigen Ausgangspunkt Hunderte möglicher Wetterentwicklungen vorherzusagen. Jede dieser Vorhersagen benötigt auf einer einzelnen TPU-Einheit weniger als eine Minute. Das Modell ist äußerst leistungsfähig und kann hochauflösende Vorhersagen mit einer zeitlichen Auflösung von bis zu einer Stunde liefern. Es übertrifft das vorherige WeatherNext-Modell bei 99,9 % der Variablen wie Temperatur, Wind oder Luftfeuchtigkeit und zwar für Vorhersagezeiträume von 0 bis 15 Tagen.
Diese Leistung wird durch einen neuen Ansatz namens Functional Generative Network (FGN, funktionales generatives Netzwerk) ermöglicht, der Rauschen direkt in die Modellarchitektur einbringt, damit die Vorhersagen physikalisch realistisch und zusammenhängend bleiben. Das Modell wird anhand einzelner Wetterelemente trainiert, etwa der genauen Temperatur an einem bestimmten Ort, der Windgeschwindigkeit in einer bestimmten Höhe oder der Luftfeuchtigkeit. Daraus kann es anschließend komplexe Systeme vorhersagen, beispielsweise ein von hohen Temperaturen betroffenes Gebiet oder die erwartete Leistung eines Windparks.
Im Vergleich zum vorherigen Modell WeatherNext Gen erzielt WeatherNext 2 bessere Ergebnisse beim kontinuierlichen Wahrscheinlichkeitsmaß (CRPS) über nahezu alle atmosphärischen Variablen, Druckniveaus und Vorhersagezeiträume hinweg. Das bedeutet, dass die Vorhersagen nicht nur schneller, sondern auch für den praktischen Einsatz nützlicher sind.
Einsatz des neuen Modells
Die Vorhersagedaten von WeatherNext 2 sind jetzt in Earth Engine und BigQuery verfügbar, sodass Nutzer sie direkt analysieren können. Google hat außerdem auf der Vertex-AI-Plattform in Google Cloud ein Early-Access-Programm für eigene Modellinferenzen gestartet. Auf diese Weise gelangt die Forschung aus dem Labor in die reale Welt und unterstützt Anwendungen wie meteorologische Behörden bei szenariobasierten Entscheidungen, beispielsweise im Rahmen experimenteller Zyklonvorhersagen.
Die WeatherNext-Technologie wird jetzt in Produkte wie Search, Gemini, Pixel Weather und die Weather API der Google Maps Platform integriert. In den kommenden Wochen wird sie auch die Wetterinformationen in Google Maps bereitstellen. Das bedeutet, dass Nutzer direkt in den Anwendungen, die sie täglich verwenden, bessere Vorhersagen erhalten.
Google verpflichtet sich, diese Technologie weiterzuentwickeln und sie der globalen Gemeinschaft zugänglich zu machen. Derzeit laufen Forschungsarbeiten, die die Integration neuer Datenquellen und die Erweiterung des Zugangs umfassen. Ziel ist es, wissenschaftliche Entdeckungen zu beschleunigen und Forschern, Entwicklern und Unternehmen die Lösung komplexer wetterbezogener Probleme zu ermöglichen.
Weitere Informationen finden Sie in der WeatherNext-Entwicklerdokumentation und im Datenkatalog von Earth Engine. Außerdem können Sie sich für das Early-Access-Programm auf Vertex AI anmelden. Das Modell wird auch in einem Fachartikel auf arXiv beschrieben.
