Setelah model cuaca dibuat,
bukti apa lagi yang diperlukan?

Apa yang dicatat dalam laporan ini?

Penulis memperkenalkan bahwa dalam kasus tanpa pencarian jaringan, AI memproses lebih dari 100 GB data meteorologi, mengimplementasikan jaringan dengan lebih dari 400 juta parameter, menjalankan 45.000 langkah pelatihan, yang melibatkan 69 variabel meteorologi.

Ini adalah catatan kasus yang diberikan oleh penulis. Kursus ini belum mereproduksi pelatihan secara independen, juga belum menggunakan model ini untuk merilis perkiraan waktu nyata.

Sumber: laporan halaman 4–5. Penulis mencatat bahwa ini adalah demonstrasi yang dipilih dan tidak dapat dianggap sebagai tingkat keberhasilan tugas rata-rata.

Bagaimana cara melanjutkan pengujian?

1. Perjelas siapa yang menghasilkan data, dan periode waktu, lokasi, dan variabel apa yang dicakupnya.
2. Lakukan pengujian akhir menggunakan data yang tidak terlibat dalam pelatihan atau penyetelan, untuk mencegah kebocoran jawaban terlebih dahulu.
3. Bandingkan dengan referensi dan data dasar yang sesuai dalam tugas dan kondisi yang sama; periksa perkiraan waktu, wilayah, variabel, dan kejadian ekstrem secara terpisah.
4. Konfirmasikan apa yang dibutuhkan pengguna. Prakiraan cuaca global, perjalanan darat di pegunungan, dan peringatan banjir memerlukan informasi dan pengujian yang berbeda.

Ini adalah persyaratan verifikasi yang diajukan di kelas dan tidak menunjukkan bahwa pemeriksaan ini telah diselesaikan untuk demonstrasi. Data referensi itu sendiri juga memiliki kesalahan dan rentang yang berlaku.

Bagaimana manusia dan AI bekerja sama?

Tim juga menganalisis 769 catatan tugas dari 56 peserta. Dalam kumpulan catatan ini, AI mengusulkan rencana, melaksanakan, dan memodifikasi; manusia berpartisipasi dalam memilih tujuan dan metode, melengkapi konteks, dan menilai hasil.

Materi ini dapat membantu kita memahami proses kolaborasi spesifik. Mereka berasal dari satu tim Penelitian dan Pengembangan dan tidak dapat membuktikan bahwa semua tugas penelitian mengadopsi pembagian kerja yang sama, dan mereka juga tidak dapat membuktikan bahwa penilaian manusia selalu benar.

Dasar: Laporan halaman 8, 10–11; ruang lingkup dan penyebut tugas berbeda-beda dalam berbagai persentase dan tidak dapat dicampur.

Apa yang tidak dapat disimpulkan di sini untuk saat ini?

“Prediksi satu menit untuk minggu depan” tidak dapat diartikan sebagai menyelesaikan seluruh pengembangan model dalam satu menit. Bagian terkait dalam laporan yang dirujuk kali ini tidak memberikan hasil yang cukup rinci untuk memverifikasi konfigurasi waktu ini atau membandingkannya dengan FourCastNet.

AI dapat berpartisipasi dalam pengembangan sistem AI lainnya, namun hal tersebut tidak berarti bahwa sistem tersebut telah terbukti mampu meningkatkan dirinya secara mandiri dan terus-menerus. Laporan tersebut masih mencantumkan hal ini sebagai pertanyaan terbuka.

Dasar: Laporan halaman 7–8, 12–13. Kelas tidak menggunakan judul atau peringkat promosi sebagai bukti kepraktisan.