AHALab 科学と私たち気候モデルが出来上がった後
証拠はいったい何が必要ですか?
AtriaチームはAIが天気モデル開発に携わる例を展示しました. 動作可能なデモで,その成果が示され,どの場所,どの気候で信頼性のある使用が可能か,さらにテストが必要である.
このレポートでは何が記されていますか?
作者によると,ネット検索を禁じた例では,AIが100GB以上の気象データを処理し,400万以上のパラメータのネットワークを実現し,45,000ステップトレーニングを行い,69の気象変数を対象とした.
これは,著者の提供した事例記録です.このコースは,自律的に訓練を再現したり,このモデルを使ってリアルタイムで予報したりしていません.
報告書4-5ページ. 著者はこれらの精選演示が平均的な任務成功率として使用できないと指摘している.
検査はどのように進められるのか?
- データの作成者,時間,場所,変数について調べる.
- 最終的には,訓練や調節に参加していないデータを利用してテストを行い,答えが早期に漏洩するのを防ぐ.
- 同じ任務と条件下で,適切な参照と基線と比較;それぞれ予測時間効果,地域,変数,極端事件をチェックします.
- ユーザーに必要なことを確認します. グローバル・メーター・予報,山路行走,洪水予報など,必要な情報と検査は同じではありません.
これは授業で提出された検査要求であり,示範にこれらの検査が完了したとは言いません.参照データ自体も誤りであり,適用範囲もある.
人とAIがどのように協力するか?
また,チームは56人の参加者の769の任務記録を分析した.この記録ではAIが計画,実行,修正を提案し,目標と方法を選択し,背景を補完し,結果を判断する.
これらの情報は,特定の協働プロセスを理解するのに役立つ.彼らは,この研究開発チームから来たもので,すべての研究任務が同じ分別で実施されていることを証明することはできません.また,人間の判断が正しいことを証明することはできません.
報告第8・10・11ページ;異なる割合の任務範囲と分母が異なるため,混同できない.
暫定的にここから何を出せないのか?
Minutes 未来1週間は Minutes 全体のモデル開発を1分で完了させるにはできない.この次見の報告の相応の段落は,この時間の配置を検証するほど詳細な結果を提供していない.
AIが別のAIの開発に参加することは,継続的に,信頼性のある自己改良が可能であることを証明したとは限りません.
報告書第7巻8巻,12巻13ページ. 教室は宣伝タイトルやランキングを実用的な証拠として採用していない.
出発と読書の記録
2026年9月15日に入手した23ページの報告書の快照.GitHub mainは更新され続けられる.画像は再描画されていないが,著者と元の由来は保存されている.教室の議論はAHALabによって整理されている.