Forscher der Rice University im texanischen Houston haben ein Deep-Learning-System entwickelt, das tödliche Hitzewellen und Winterstürme vorhersagen kann, bevor sie überhaupt auftreten.

Die Forscher kamen auf die Idee, eine künstliche Intelligenz für die Vorhersagen zu trainieren, nachdem sie festgestellt hatten, dass bestehende Methoden unzuverlässige Vorhersagen für extreme Wetterereignisse lieferten. Deep Learning sei aufgrund der Fähigkeit zur Mustererkennung eine erstklassige Wahl für diese Aufgabe.

Verwendet haben die Forscher ein neuronales Netz, da diese Art von maschinellem Lernsystem die relativen Positionen von Druckmustern erkennen kann. Diese Druckmuster sind wiederum ein Schlüsselindikator dafür, wie sich das Wetter verändern wird. Darüber hinaus benötigen diese Netzwerke keine große Menge an Trainingsdaten.

Wie The Verge berichtet, wurde das System mit Hunderten von Wetterkarten trainiert, die Oberflächentemperaturen und Luftdrücke zeigten. Integriert waren hier auch die Hitze- und Kälteperioden, die normalerweise zu extremen Wetterereignissen führen. Die Karten stammten alle aus demselben geografischen Gebiet und zeigten die dortigen Bedingungen in einem Abstand von mehreren Tagen.

Nach dem Training wurden der KI Karten gezeigt, die sie noch nie zuvor gesehen hatte. Die Aufgabe bestand darin, eine fünftägige Vorhersage für eventuelle extreme Wetterereignisse zu machen. Die Vorhersagen waren zu 85 Prozent korrekt.

Pedram Hassanzadeh, Assistenzprofessor für Maschinenbau und Erd-, Umwelt- und Planetenwissenschaften an der Rice University, sagte dazu in einem Statement: „Da wir die Physik und die Bedingungen extremer Wettermuster nicht vollständig verstehen, können die Gleichungen der numerischen Wettervorhersagemodelle auch nicht vollständig genau sein und keine besseren Vorhersagen liefern, unabhängig davon, wie viel Rechenleistung wir einsetzen.“ Geht es nach Hassanzadeh, wird dieses System eines Tages von Meteorologen genutzt.