GenCast zeichnet sich dadurch aus, dass es nicht nur eine, sondern fünfzig Vorhersagen gleichzeitig erstellt, von denen jede ein meteorologisches Szenario darstellt. Diese Szenarien werden dann verglichen, um das wahrscheinlichste Ergebnis zu ermitteln. Dieser sogenannte "Ensemble-Ansatz" ermöglicht es, das Spektrum der Möglichkeiten präzise einzugrenzen – eine Schlüsselinnovation in einem Bereich, der über wenige Tage hinaus von Unsicherheit dominiert wird.
Aber wie erreicht die KI solche Ergebnisse? Indem sie die Leistungsfähigkeit von Diffusionsmodellen, die oft zur Bilderzeugung verwendet werden, mit einer speziellen Anpassung an die sphärische Geometrie der Erde kombiniert. Dank dieser Struktur kann GenCast komplexe Klimaveränderungen mit einer beispiellosen Genauigkeit nachzeichnen.
Dieses Modell wurde mit vier Jahrzehnten an Daten aus den ERA5-Archiven des Europäischen Zentrums für mittelfristige Wettervorhersage trainiert. Zu den einbezogenen Variablen gehören Temperatur, Windgeschwindigkeit und Luftdruck. Diese Informationen ermöglichen es der KI, die großen Klimamuster zu erlernen und detaillierte Vorhersagen mit einer Auflösung von 0,25 Grad zu liefern.
In Tests übertraf GenCast das ENS-System, den derzeitigen weltweiten Referenzstandard, in 97,2 % der Fälle und in 99,8 % der Fälle bei Vorhersagen mit einem Vorlauf von mehr als 36 Stunden. Innerhalb von nur acht Minuten generiert das Modell eine 15-Tage-Vorhersage mit einem einzigen TPU-Prozessor von Google Cloud, während herkömmliche Methoden Supercomputer und Stunden an Berechnungszeit erfordern.
Diese Daten zeigen die spezifische Feuchtigkeit und die vorhergesagten Bahnen des Taifuns Hagibis vor dessen Ankunft in Japan. Die Vorhersagen von GenCast, die einen Tag oder 15 Tage im Voraus initiiert wurden, bleiben klar, während Ensemble-Mittelwerte und gestörte Zustände aufgrund der Unsicherheit unscharf erscheinen. Die Leistungspektren bestätigen einen Verlust an Auflösung für diese unscharfen Zustände. Die Bahnen zeigen eine erhebliche Unsicherheit bei langfristigen Vorhersagen, die sich verringert, je näher der Termin rückt.
Neben der einfachen täglichen Wettervorhersage sind die Fähigkeiten von GenCast besonders für extreme Phänomene wie Zyklone und starke Winde von Bedeutung. Durch genauere Vorhersagen solcher Ereignisse könnte die KI Leben retten und Sachschäden begrenzen.
Die potenziellen Auswirkungen erstrecken sich auch auf die erneuerbaren Energien. Eine bessere Vorhersage der Winde könnte die Nutzung von Windkraftanlagen optimieren und so den Übergang zu sauberen und nachhaltigen Energien stärken.
Dennoch schließt dieser Fortschritt nicht alle Einschränkungen aus. GenCast basiert auf historischen Daten, und seine Wirksamkeit im Umgang mit einem sich verändernden Klima bleibt unsicher. Die Forscher betonen die Notwendigkeit häufiger Aktualisierungen, um sich an neue klimatische Dynamiken anzupassen.
Durch die Bereitstellung der Codes und Daten von GenCast hofft Google, die Innovation in diesem Bereich zu beschleunigen. Das Ziel? Künstliche Intelligenz mit der traditionellen Meteorologie zu vereinen.