Eine spezialisierte künstliche Intelligenz kann die Zugbahn von Wirbelstürmen mit einem Vorsprung von mehr als 30 Stunden vorhersagen, ohne die Genauigkeit der Referenzmethoden einzubüßen.
Die Vorhersage, wo ein Wirbelsturm entlangziehen wird, beruht üblicherweise auf mehreren Wettermodellen. Diese berechnen die Entwicklung der Atmosphäre anhand der physikalischen Gesetze. Anschließend vergleichen Meteorologen ihre Ergebnisse und berücksichtigen deren Unsicherheiten. Diese Methode erfordert viele Berechnungen, insbesondere wenn zahlreiche mögliche Szenarien erstellt werden müssen.
Bild Wikimedia
Das in Nature vorgestellte System verfolgt einen anderen Ansatz. Es lernt aus umfangreichen meteorologischen Datensätzen und Archiven von Wirbelstürmen. Anschließend kann es zahlreiche Szenarien erstellen, die die mögliche Entwicklung der Atmosphäre und die künftige Position des Wirbelsturms beschreiben. Diese Vorhersagen reichen bis zu 15 Tage in die Zukunft.
Der größte Vorteil liegt in der gewonnenen Zeit. Bei vergleichbarer Genauigkeit der Zugbahn erreicht das System bestimmte Qualitätsniveaus mehr als 30 Stunden früher als die als Referenz verwendeten Methoden. Mit anderen Worten: Eine Information über den wahrscheinlichen Verlauf eines Wirbelsturms kann mehr als einen Tag früher ausreichend zuverlässig werden.
Dieser Vorsprung ist für bedrohte Regionen unmittelbar von Bedeutung. Einige zusätzliche Dutzend Stunden können mehr Zeit geben, um Evakuierungen vorzubereiten, Infrastruktur zu schützen oder Rettungseinsätze zu organisieren. Eine Zugbahn bleibt jedoch eine probabilistische Vorhersage: Mehrere Wege bleiben möglich, insbesondere mehrere Tage vor dem Eintreffen des Phänomens.
Um diese Unsicherheit zu berücksichtigen, berechnet das Modell nicht nur eine einzige Entwicklung der Atmosphäre. Es erzeugt eine Reihe von Szenarien. Wenn viele davon einer ähnlichen Route folgen, verfügen die Meteorologen über ein robusteres Signal. Weichen sie stark voneinander ab, zeigt diese Streuung dagegen, dass die Zugbahn weiterhin unsicher ist.
Das System hat die Laborphase bereits hinter sich gelassen. Google DeepMind arbeitete mit dem amerikanischen National Hurricane Center zusammen, um seine Vorhersagen während einer Wirbelsturmsaison Fachleuten zur Verfügung zu stellen. Laut einer Präsentation der NOAA zu diesem Versuch dienten diese Daten den Meteorologen als operative Orientierung.
Modelle der künstlichen Intelligenz lösen jedoch nicht alle Schwierigkeiten. Frühere Arbeiten zeigen, dass sie die Zugbahn eines Wirbelsturms sehr leistungsfähig verfolgen können, bei der Vorhersage seiner Stärke jedoch weniger zuverlässig sind. Die maximale Windgeschwindigkeit und ihre rasche Entwicklung lassen sich insbesondere weiterhin nur schwer korrekt nachbilden.
Der nächste Schritt besteht daher darin, diese Vorhersagen an einer größeren Zahl von Wirbelstürmen und Saisons zu bewerten, insbesondere im Hinblick auf schnelle Intensitätsänderungen. Ihr operativer Einsatz wird auch von der Zuverlässigkeit der gelieferten Wahrscheinlichkeiten abhängen, denn Warnentscheidungen stützen sich ebenso auf die Unsicherheit wie auf die wahrscheinlichste Zugbahn.