Microsoft-Forschung in Nature: Maschinelles Lernen soll Wettervorhersagen für zwei bis sechs Wochen verbessern
Microsoft zufolge zeigt eine neue, in Nature veröffentlichte Studie, dass maschinelles Lernen Wettervorhersagen für zwei bis sechs Wochen im Voraus verbessern kann, ein Zeitraum, der sich bislang nur sehr schwer vorhersagen ließ. CEO Satya Nadella machte die Arbeit in einem LinkedIn-Beitrag bekannt.
- Microsoft zufolge zeigt neue Forschung in Nature, dass maschinelles Lernen Wettervorhersagen für zwei bis sechs Wochen im Voraus verbessern kann.
- Dieser Zeitraum war laut Satya Nadella historisch sehr schwer vorherzusagen.
- Nadella nannte Vorsorge bei Extremwetter, das Management natürlicher Ressourcen und die Landwirtschaft als mögliche Einsatzfelder.
- Er argumentierte, dass Verifikationssysteme, die lernen, wo Modelle falschliegen, und an der Realität kalibrieren, ebenso wichtig sein könnten wie leistungsfähigere Modelle.
Was Microsoft angekündigt hat
In einem LinkedIn-Beitrag verwies Satya Nadella, Chairman und CEO von Microsoft, auf eine Studie, die in Nature erscheint. Laut Nadella zeigt die Forschung, wie maschinelles Lernen Vorhersagen im Bereich von zwei bis sechs Wochen verbessern kann. Dieses Zeitfenster bezeichnete er als eines, das "historisch sehr schwer vorherzusagen" gewesen sei.
Der Beitrag nennt weder Leistungskennzahlen noch Details zur Methode oder dazu, wie die Prognosen zugänglich gemacht werden könnten. Diese Angaben finden sich in der verlinkten Studie und im begleitenden Material, auf das der Beitrag mit einem "Read more"-Link verweist.
Wo die Arbeit zum Einsatz kommen könnte
Nadella sagte, er sehe Potenzial, mit der Forschung "sich besser auf Extremwetter vorzubereiten, natürliche Ressourcen zu verwalten und fundiertere Entscheidungen in der Landwirtschaft zu treffen". Das sind die Bereiche, die er in dem Beitrag nannte.
Prognosen, die mehrere Wochen in die Zukunft reichen, liegen zwischen der kurzfristigen Wettervorhersage und saisonalen Ausblicken. Jeder Fortschritt in diesem Fenster wäre für Planer wichtig, die Vorlaufzeit brauchen. Das erklärt, warum der Beitrag die Vorsorge bei Extremwetter und die Landwirtschaft hervorhebt.
Ein grundsätzlicher Punkt zur Verifikation
Nadella nutzte die Ankündigung zudem für ein allgemeineres Argument zur KI. In seinen Worten: "Die Zukunft hängt möglicherweise nicht nur von immer leistungsfähigeren Modellen ab, sondern vom Aufbau intelligenter Verifikationssysteme um sie herum." Solche Systeme beschrieb er als Systeme, die "lernen, wo Modelle systematisch falschliegen, Ursache und Wirkung nachvollziehen und Vorhersagen fortlaufend an der Realität kalibrieren".
Diese Darstellung legt nahe, dass es in der Forschung weniger um ein einzelnes, größeres Modell geht, sondern darum, Fehler bestehender Modelle zu korrigieren und Vorhersagen mit beobachteten Ergebnissen abzugleichen.
Reaktionen und Einordnung
Die Kommentatoren unter dem Beitrag griffen dasselbe Thema auf. Einer bezeichnete die Korrektur von Verzerrungen in bestehenden Modellen für dieses Prognosefenster als klügeren Weg als den Bau größerer Modelle. Ein anderer, der die Methode in der Nature-Studie als probabilistische Fehlerkorrektur beschrieb, die auf die Ausgabe eines Physik-Solvers angewendet wird, schrieb, er sei gespannt, wie sich der Ansatz dort schlägt, wo Felddaten knapp sind. Dabei handelt es sich um Interpretationen von Lesern, nicht um Aussagen von Microsoft; der Beitrag selbst beschreibt die Methode nicht.
Vorerst stützt die Quelle nur einen begrenzten Schluss: Microsoft berichtet über begutachtete Forschung zur Verbesserung von Prognosen in einem schwer vorhersagbaren Bereich und verknüpft das Ergebnis mit der Ansicht, dass Verifikation und Kalibrierung rund um die Modelle ebenso wichtig sind wie deren Leistungsfähigkeit. Ob und wie die Arbeit Anwender in Landwirtschaft, Ressourcenmanagement oder Katastrophenschutz erreicht, thematisiert der Beitrag nicht.
