Eine der schwierigsten Variablen, die es bei Wetter vorherzusagen gilt, ist der Niederschlag, der die Hauptquelle der Unsicherheit bei der Hochwasservorhersage ist. Dieses neue KI-System von Google umgeht jedoch die Niederschlagsvorhersage ganz und versucht stattdessen, Hochwasser aus allem anderen, was bekannt ist, vorherzusagen.

Die Hauptherausforderung besteht darin, dass die Länder, die diese Hochwasservorhersagen am dringendsten benötigen, oft die Orte sind, an denen nicht genug Trainingsdaten für den Lernalgorithmus zur Verfügung stehen, da ihnen die Mittel zum Sammeln fehlen. Diese neue Technik hilft, Daten aus den USA und anderen Ländern wiederzuverwenden und auf weniger begünstigte Regionen anzuwenden.

Bemerkenswert ist, dass dieses neue KI-System genauer ist als die weltweit verwendeten Global Flood Awareness Systems. Dies ist ein unglaublicher Fortschritt, der nicht nur den Regierungen, sondern auch den Bürgern in Entwicklungsländern sehr helfen kann. Einige dieser Hochwasservorhersagemodelle sind sogar so kostengünstig, dass sie auf einem Smartphone in der Tasche laufen können.

Google hat einen neuartigen Ansatz zur Wettervorhersage entwickelt, der die herkömmlichen physikbasierten Simulationen übertrifft. Anstatt sich auf rechenintensive Wettermodelle zu verlassen, verwenden sie diffusionsbasierte KI-Modelle, um plausible Wetterdaten aus historischen Beobachtungen zu erzeugen.

Der Schlüsseleinblick ist, dass Diffusionsmodelle, die verwendet werden, um Bilder aus Textaufforderungen zu erstellen, auch auf Wetterdaten angewendet werden können. Diese Modelle beginnen mit zufälligem Rauschen und transformieren es schrittweise in realistische Wetterstrukturen, wobei sie die Feinheiten extremer Wetterereignisse erlernen.

Dieser Ansatz hat mehrere Vorteile gegenüber traditionellen Methoden. Erstens erfordert er deutlich weniger Rechenleistung, da keine komplexen Wettersimulationen durchgeführt werden müssen. Zweitens kann er auf einen viel größeren Datensatz historischer Wetterbeobachtungen zurückgreifen, was es der KI ermöglicht, umfassendere Muster zu erlernen.

Das Ergebnis ist ein Wettervorhersagesystem, das genauer ist als bisherige Techniken, einschließlich NVIDIA's FourCastNet und DeepMind's GraphCast. Dieser Durchbruch hat das Potenzial, die Wettervorhersage erheblich zu verbessern, insbesondere in Regionen mit begrenzten Daten und Rechenressourcen, was letztendlich viele Menschenleben durch eine bessere Vorhersage extremer Wetterereignisse retten kann.

Flugzeugtriebwerksabgase, sogenannte Kondensstreifen, können einen messbaren Einfluss auf die Temperatur des Planeten haben. Obwohl nur ein kleiner Prozentsatz der Kondensstreifen (etwa 5%) langanhaltende Auswirkungen hat, ist dieser Einfluss erheblich. Um dieses Problem anzugehen, haben Forscher eine KI-basierte Simulation entwickelt, die vorhersagen kann, welche Flugzeuge auf welchen Routen wahrscheinlich diese anhaltenden Kondensstreifen erzeugen werden.

Die Herausforderung besteht darin, Kondensstreifen zuverlässig von ähnlich aussehenden Zirruswolken zu unterscheiden. Die Forscher haben jedoch eine zuverlässige Methode gefunden, um zwischen den beiden zu unterscheiden, was das Problem für das KI-System lernbar macht.

Um die Wirksamkeit dieses Ansatzes zu testen, führten die Forscher einen Versuch mit American Airlines durch, bei dem sie basierend auf den Vorhersagen der KI geringfügige Routenänderungen vorschlugen. Das Ergebnis war eine 54%ige Reduzierung der Erzeugung von wärmespeichernden Kondensstreifen, bei nur einem 0,3%igen Anstieg des Treibstoffverbrauchs. Dieser Nettoeffekt ist 20-mal besser für die Umwelt als der derzeitige Ansatz.

Indem gezielt die Regionen vermieden werden, in denen wahrscheinlich anhaltende Kondensstreifen entstehen, können Fluggesellschaften ihren Einfluss auf die Temperatur des Planeten erheblich reduzieren, mit nur minimalen Auswirkungen auf ihren Betrieb. Diese innovative Nutzung von KI-Technologie hat das Potenzial, den Luftverkehr nachhaltiger zu gestalten und zum Kampf gegen den Klimawandel beizutragen.