PNAS-Studie: Künstliche Intelligenz soll Klima-Kipppunkte vorab erkennen
Ein Caltech-Team stellt ein neuronales Netz vor, das in simulierten Daten den Kipppunkt eines Wolkenverlusts mehr als zwei Jahre im Voraus mit rund elf Tagen Fehler vorhersagte.
Symbolbild · Foto: ISS Expedition 34 Crew Image Science & Analysis Laboratory, NASA Johnson Space Center Derivative work including grading, / Wikimedia Commons, Public domain (zugeschnitten und skaliert)
Forschende des California Institute of Technology (Caltech) haben mit Kollegen der University of Colorado Boulder und des Chipherstellers NVIDIA ein KI-Verfahren entwickelt, das Kipppunkte in sich verändernden Systemen vorhersagen soll. Die Studie „Tipping Point Forecasting in Non-Stationary Dynamics on Function Spaces“ erschien in PNAS; Caltech stellte sie am 15. Oktober vor. Kipppunkte sind Schwellen, ab denen ein System in einen neuen, teils unumkehrbaren Zustand übergeht.
Getestet wurde der sogenannte rekurrente neuronale Operator unter anderem an simulierten Daten eines Szenarios, in dem niedrige Wolken über den Ozeanen wegen steigender CO2-Konzentration rasch verschwinden – ein Verlust, der die Erwärmung weiter verstärken würde. Laut Caltech sagte das Modell den Kipppunkt mehr als zwei Jahre im Voraus voraus, mit einem Fehler von etwa elf Tagen. Es schlägt Alarm, wenn seine Vorhersagen nicht mehr der gelernten Physik folgen.
Wichtig: Es handelt sich um Tests mit simulierten Daten, nicht um eine Prognose für das reale Klimasystem. Die Arbeit lege die Grundlagen, um Kipppunkte zu beschreiben und vorherzusagen, wann sie eintreten könnten, sagte Hauptautorin Anima Anandkumar. Nach Caltech-Angaben wird die Studie in einem aktuellen UN-Bericht zu Kipppunkten zitiert.