Können KI-Wettervorhersagen nahezu unvorhersehbare Grauschwan-Ereignisse vorhersagen?

Analyse findet heraus, ob KI "graue Schwäne" vorhersagen kann, die seltene und noch nie dagewesene Wetterereignisse sind. Die Antwort ist ebenfalls unerwartet.

Als „graue Schwäne“ werden tropische Wirbelstürme oder andere Wetterereignisse bezeichnet, die sich nicht auf die Wettergeschichte stützen würden.
Als „graue Schwäne“ werden tropische Wirbelstürme oder andere Wetterereignisse bezeichnet, die sich nicht auf die Wettergeschichte stützen würden.

Vorhersagen sind immer eine Herausforderung, und die KI scheint in der Lage zu sein, kurzfristige Wettervorhersagen mit überraschender Präzision zu verbessern . Allerdings ist das Wetter immer mit einem gewissen Maß an Chaos behaftet. Das wirft die Frage auf , ob KI wirklich das Unvorhersehbare vorhersagen kann, z. B. "Wetterkapriolen"?

Beispiele für "außergewöhnliche Wetterereignisse" oder "graue Schwäne" sind in den Daten der letzten Jahrzehnte nicht immer vorhanden. Die Überschwemmungen des Hurrikans Harvey im Jahr 2017 wurden als ein einmaliges Ereignis in einem Jahrtausend betrachtet. Es gibt auch tropische Wirbelstürme, die auf der Grundlage historischer Daten nicht vorhergesagt werden können.

Bei der Vorausschau geht es nicht darum, die Zukunft vorherzusagen, sondern darum, die Überraschung zu minimieren. - Karl Schroder, Science-Fiction-Autor.

Diese Systeme können verheerend sein, kommen aber nicht ganz so "aus heiterem Himmel" wie ein "Schwarzer-Schwan-Ereignis" (wie ein Meteoriteneinschlag). Das Unternehmen Aon beschreibt graue Schwan-Ereignisse eloquent als vorhersehbare, aber "unwahrscheinliche Überraschungen" und schwarze Schwan-Ereignisse als "das Unvorhersehbare".

Trainingsdaten von AI-Modellen

KI-Modelle basieren in der Regel auf Trainingsdaten (Text und Bilder, die in ein Modell eingespeist werden), während es nach Mustern sucht. Für Vorhersagen werden dem System meteorologische Informationen aus Jahrzehnten zur Verfügung gestellt.

KI-Modelle können bei der Vorhersage bestehender Muster die gleiche Genauigkeit erreichen wie Supercomputer-basierte Wettermodelle. Dies ermöglicht es ihnen jedoch nicht, sich auf das Unerwartete vorzubereiten, insbesondere wenn die Daten nur ein paar Jahrzehnte zurückreichen.

Neuronale Netze, die einen Großteil der Leistung der KI ausmachen, machen in der Regel Vorhersagen auf der Grundlage von Ereignissen aus der Vergangenheit. Das bedeutet jedoch, dass in den Vorhersagemodellen etwas noch nie Dagewesenes in der Wettergeschichte nicht berücksichtigt werden könnte.

Neue Studie erforscht die "Grauzone

In einer Studie mehrerer US-Universitäten wird genau das untersucht, um die Grenzen der KI-gestützten Wettervorhersage zu testen. Sie fanden heraus, dass neuronale Netze keine Wetterereignisse vorhersagen können, die über die vorhandenen Trainingsdaten hinausgehen - eine große Einschränkung, wenn es um die Vorhersage von "Unvorhersehbarem" oder "außergewöhnlichen Wetterereignissen" geht.

Diese Einschränkung ist wichtig, da neuronale Netze von den Betreibern für Wettervorhersagen, Frühwarnsysteme und langfristige Risikobewertungen verwendet werden. Auf KI allein kann man sich nicht verlassen, auch wenn sie sehr leistungsfähig ist und großes Potenzial hat.

"KI-Wettermodelle sind eine der größten Errungenschaften der KI in der Wissenschaft. Wir haben festgestellt, dass sie zwar bemerkenswert, aber nicht magisch sind", sagte Mitautor Pedram Hassanzadeh, ein außerordentlicher Professor für geophysikalische Wissenschaften. "Wir haben diese Modelle erst seit ein paar Jahren, es gibt also noch viel Raum für Innovationen.

Um zu diesen Schlussfolgerungen zu gelangen, testete sein Team die Grenzen von KI-Modellen anhand von Hurrikanen. Dazu trainierten sie ein neuronales Netz auf jahrzehntelange Wetterdaten und entfernten alle Hurrikane, die stärker als Kategorie 2 waren. Als sie ihm eine atmosphärische Bedingung mitteilten, die innerhalb weniger Tage zu einem Hurrikan der Kategorie 5 führen könnte, konnte das Modell die Stärke dieses Hurrikans nicht genau vorhersagen.

Das KI-Modell konnte in den simulierten Tests die Stärke eines Hurrikans der Kategorie 5 nicht vorhersagen, da es nur über begrenzte Trainingsdaten verfügte, aber es war in der Lage, ein Wetterereignis vorherzusagen, das an einem bestimmten Ort noch nie aufgetreten war, und zwar auf der Grundlage von Trainingsdaten, die zeigten, dass es andernorts stattgefunden hatte.

"Es hat das Ereignis immer unterschätzt. Das Modell weiß, dass etwas kommen wird, aber es sagt immer nur einen Hurrikan der Kategorie 2 voraus", erklärte ein weiterer Mitautor, Yongqiang Sun, Forscher an der Universität von Chicago.

Unerwarteterweisewar das Modell jedochin der Lage, ein Ereignis in einer Region vorherzusagen, das dort noch nicht aufgetreten war, und zwar auf der Grundlage eines Ereignisses in einer anderen Region.

Wie man die Vorhersage von ungewöhnlichen Ereignissen verbessern kann

Die Einbeziehung von mehr Mathematik und Physik in die KI könnte helfen, diese Lücke zu schließen. Neuronale Netze betrachten lediglich Wettermuster und machen Vorschläge auf der Grundlage der Vergangenheit, anstatt sich auf ein grundlegendes Verständnis der Mechanik der Physik und Mathematik zu stützen - Gesetze, die das Wettergeschehen bestimmen.

Leistungsstarke AI-Modelle

Es mag dann eine Erleichterung sein, dass kein großer nationaler Dienst ausschließlich KI für Prognosen einsetzt. Doch wenn KI in Zukunft eine größere Rolle bei der Vorhersage spielen soll, muss man sich ihrer Grenzen und der Bedeutung von Physik und Mathematik bewusst bleiben.

Es könnte einen Weg geben, beides zu integrieren, indem die KI physikalisch basierte Wettermodelle dabei unterstützt , mehr Beispiele für Extremereignisse zu generieren, um ihre Trainingsdaten zu verbessern.

Jonathan Weare, Professor am Courant Institute of Mathematical Sciences an der New York University und Mitautor der Studie, sagte: "In diesem Fall bedeutet das die Beantwortung der Frage 'Wo sollte ich meine Trainingsdaten platzieren, um eine bessere Leistung bei Extremen zu erzielen?' Glücklicherweise glauben wir, dass KI-Wettermodelle selbst, wenn sie mit den richtigen mathematischen Werkzeugen gepaart sind, bei der Beantwortung dieser Frage helfen können."

KI mag bei der Vorhersage von „grauen Schwänen“ versagt haben, aber sie kann in Zukunft mit Hilfe von physikalischen und mathematischen Daten trainiert werden.

Es könnte also unerwartet sein, zu hören, dass KI, die so leistungsfähig ist, immer noch "Grauer-Schwan"-Ereignisse falsch einschätzen kann, aber das zeigt nur, wie wichtig numerisch basierte Vorhersagen und die Macht von Mathematik und Physik sind - die stabilen Grundlagen der Meteorologie.

Quellenhinweis:

Can AI weather models predict out-of-distribution gray swan tropical cyclones?” Sun et al, Proceedings of the National Academy of Sciences, 21 May, 2025.