{"id":9247,"date":"2024-07-05T09:41:46","date_gmt":"2024-07-05T09:41:46","guid":{"rendered":"https:\/\/byte-bucket.com\/2024\/07\/05\/aurora-microsofts-kuenstliche-intelligenz-bringt-frischen-wind-in-die-wettervorhersage-und-luftverschmutzungsprognose\/"},"modified":"2024-07-05T09:41:46","modified_gmt":"2024-07-05T09:41:46","slug":"aurora-microsofts-kuenstliche-intelligenz-bringt-frischen-wind-in-die-wettervorhersage-und-luftverschmutzungsprognose","status":"publish","type":"post","link":"https:\/\/byte-bucket.com\/?p=9247","title":{"rendered":"Aurora: Microsofts k\u00fcnstliche Intelligenz bringt frischen Wind in die Wettervorhersage und Luftverschmutzungsprognose"},"content":{"rendered":"<p>Microsoft Research AI for Science hat vor kurzem Aurora vorgestellt, ein k\u00fcnstliches Intelligenzmodell, das in Zusammenarbeit mit internationalen Forschungspartnern entwickelt wurde. Aurora ist das erste Foundation Model f\u00fcr die Erdatmosph\u00e4re und kann f\u00fcr verschiedene Aufgaben angepasst werden. Das Modell verspricht, globale Wetter- und Luftverschmutzungsprognosen schneller als herk\u00f6mmliche Systeme zu berechnen.<\/p>\n<p>Normalerweise werden Wetterprognosen mithilfe von numerischen Verfahren erstellt, die den Einsatz von leistungsstarken Supercomputern erfordern. Aber es gibt auch alternative Ans\u00e4tze, bei denen KI-gest\u00fctzte Modelle genutzt werden, um Vorhersagen schneller und genauer zu berechnen. Unternehmen wie Huawei, Nvidia und Google DeepMind haben bereits \u00e4hnliche Modelle entwickelt.<\/p>\n<p>Das aktuellste Modell von Microsoft, Aurora, beeindruckt mit seinen 1,3 Milliarden Parametern und wurde \u00fcber eine Million Stunden mit Daten aus sechs verschiedenen Wetter- und Klimadatens\u00e4tzen vorab trainiert. Anschlie\u00dfend wurde das Modell f\u00fcr konkrete Aufgaben weiter trainiert. Die Forscher sind begeistert von der Leistungsf\u00e4higkeit von Aurora, da es ein umfassendes Verst\u00e4ndnis der atmosph\u00e4rischen Vorg\u00e4nge erlangt.<\/p>\n<p>Aurora ist in der Lage, genaue Vorhersagen f\u00fcr Temperatur, Windgeschwindigkeit, Luftverschmutzung und Treibhausgaskonzentrationen zu berechnen, selbst wenn nur begrenzte Trainingsdaten f\u00fcr die Feinabstimmung zur Verf\u00fcgung stehen. Das Modell kann in weniger als einer Minute die globale Luftverschmutzung f\u00fcr einen Zeitraum von f\u00fcnf Tagen prognostizieren, und das ist um ein Vielfaches schneller als das herk\u00f6mmliche Copernicus Atmosphere Monitoring Service-Modell des European Centre for Medium-Range Weather Forecasts (ECMWF) in Reading, England.<\/p>\n<p>Diese Entwicklung von KI-gest\u00fctzten Modellen f\u00fcr Wetter- und Luftverschmutzungsprognosen hat das Potenzial, die Vorhersagen schneller und genauer zu machen. Das kann entscheidend sein, um fr\u00fchzeitig auf Wetterextreme oder bedrohliche Luftverschmutzung hinzuweisen und entsprechende Ma\u00dfnahmen zu ergreifen. Aurora ist ein vielversprechender Schritt in diese Richtung und k\u00f6nnte in Zukunft dazu beitragen, die Lebensqualit\u00e4t der Menschen zu verbessern und Umweltsch\u00e4den zu reduzieren.<\/p>\n<p>Schlagw\u00f6rter: Aurora + Microsoft + AI<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Microsoft Research AI for Science hat vor kurzem Aurora vorgestellt, ein k\u00fcnstliches Intelligenzmodell, das in Zusammenarbeit mit internationalen Forschungspartnern entwickelt wurde. Aurora ist das erste Foundation Model f\u00fcr die Erdatmosph\u00e4re und kann f\u00fcr verschiedene Aufgaben angepasst werden. Das Modell verspricht, globale Wetter- und Luftverschmutzungsprognosen schneller als herk\u00f6mmliche Systeme zu berechnen.&#46;&#46;&#46;<\/p>\n","protected":false},"author":4,"featured_media":9246,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-9247","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/9247","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=9247"}],"version-history":[{"count":0,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/9247\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/media\/9246"}],"wp:attachment":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=9247"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=9247"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=9247"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}