Wahrscheinlich haben sie in Zeiten von ChatGPT schon einmal von „neuralen Netzwerken" oder „künstlicher Intelligenz" gehört. Vielleicht sind auch Sie sich eigentlich nicht so sicher, was das eigentlich sein soll, daher möchte ich hier und heute kurz erklären, worum es sich dabei handelt, denn selbst in der Meteorologie lösen diese momentan eine Debatte aus.
Unter künstlichen neuralen Netzwerken versteht man allgemein die Nachbildung von der Vernetzung von Neuronen in Nervensystemen. In den biologischen Nervensystemen sind die einzelnen Neuronen oder auch Nervenzellen mit jeweils anderen Neuronen verbunden. Die Verbindungen dieser, beim Menschen fast 90 Milliarden Zellen untereinander, macht die Grundstruktur des Denkens, Lernens und Fühlens aus. Stark vereinfacht kann man diese Struktur auch künstlich nachbauen. Dazu verwendet man künstliche Neuronen, welche die einzelnen Funktionen eines biologischen Neurons durch mathematische Formeln modellieren. So werden die einzelnen Informationseingänge gewichtet und ob das Neuron einen Impuls weitergibt hängt von Funktionen und Schwellenwerten ab. Verbindet man nun sehr viele von diesen künstlichen Neuronen miteinander hat man ein Modell von einem biologischen neuralen Netzwerk gebaut und kann zur zweiten Phase übergehen: das neurale Netzwerk mit Daten anlernen.
Nur das neurale Netzwerk macht nämlich erstmal gar nichts. Man muss es vorher mittels Lernverfahren so modifizieren, dass es für bestimmte Eingangssignale, welcher Art diese auch immer sein sollen, entsprechende Ausgangssignale gibt. Dazu führt man dem neuralen Netzwerk große Mengen an Daten zu und verändert mittels bestimmter Regeln die Gewichtung der Informationseingänge der künstlichen Neuronen. Neue Verbindungen werden geknüpft, alte Verbindungen gelöst – also ganz äquivalent dazu, wie auch Lebewesen und der Mensch lernen.
Auch in der Meteorologie zeigen neurale Netzwerke großes Potential. So haben chinesische Forscher ein neurales Netzwerk mit den globalen Wetterdaten der vergangenen 39 Jahre angelernt. Dieses Programm ist in der Lage, mittelfristige Wettervorhersagen mit einer vergleichbaren bis höheren Genauigkeit auszugeben als numerische Wettervorhersagen, die bisher der neueste Stand der Vorhersage bilden. Diese sind zudem auch sehr viel rechenintensiver und benötigen eine lange Zeit zum Erstellen der Lösung, weil komplizierte Differentialgleichungen gelöst werden müssen. Zudem ist das neurale Netzwerk besser in der Lage, Extremwetterereignisse und die Laufbahnen tropischer Zyklonen vorherzusagen. Und das alles bei einem Bruchteil der Rechenleistung!
Neben diesen ganzen unglaublichen Vorteilen darf man aber einen großen Nachteil nicht aus den Augen verlieren: die Muster, die das neurale Netzwerk gefunden hat und auf denen es seine Vorhersagen erstellt sind nicht nachvollziehbar und folgen keinen physikalischen Gesetzmäßigkeiten. Doch selbst nachdenken ist schwierig und das Ergebnis ist verlockend gut, daher wäre meine persönliche "Vorhersage", dass die neuralen Netzwerke den numerischen wohl in Zukunft etwas den Rang ablaufen werden.