Sau khi mô hình thời tiết được tạo,
cần có bằng chứng gì khác?

Báo cáo này ghi lại nội dung gì?

Tác giả giới thiệu rằng trong trường hợp không có tìm kiếm mạng, AI đã xử lý hơn 100GB dữ liệu khí tượng, triển khai một mạng với hơn 400 triệu tham số, chạy 45.000 bước huấn luyện, liên quan đến 69 biến khí tượng.

Đây là những hồ sơ vụ việc do tác giả cung cấp. Khóa học này không sao chép nội dung đào tạo một cách độc lập và cũng không sử dụng mô hình này để đưa ra dự báo theo thời gian thực.

Nguồn: báo cáo trang 4–5. Tác giả lưu ý rằng đây là những minh chứng được chọn lọc và không thể coi đó là tỷ lệ thành công của nhiệm vụ trung bình.

Làm cách nào để tiếp tục thử nghiệm?

1. Làm rõ ai đã tạo ra dữ liệu và dữ liệu bao gồm khoảng thời gian, địa điểm cũng như các biến số nào.
2. Tiến hành kiểm tra lần cuối bằng cách sử dụng dữ liệu không liên quan đến quá trình đào tạo hoặc điều chỉnh để ngăn câu trả lời bị rò rỉ trước.
3. So sánh với các tài liệu tham khảo và đường cơ sở thích hợp trong cùng nhiệm vụ và điều kiện; kiểm tra thời gian dự báo, khu vực, các biến số và các sự kiện cực đoan một cách riêng biệt.
4. Xác nhận những gì người dùng cần. Dự báo thời tiết toàn cầu, các chuyến đi đường núi và cảnh báo lũ lụt đòi hỏi những thông tin và thử nghiệm khác nhau.

Đây là những yêu cầu xác minh được nêu ra trong lớp và không có nghĩa là những bước kiểm tra này đã được hoàn thành cho phần trình diễn. Bản thân dữ liệu tham chiếu cũng có lỗi và phạm vi áp dụng.

Con người và AI phối hợp với nhau như thế nào?

Nhóm cũng đã phân tích 769 bản ghi nhiệm vụ từ 56 người tham gia. Trong bộ hồ sơ này, AI đề xuất kế hoạch, thực hiện và sửa đổi; con người tham gia vào việc lựa chọn mục tiêu và phương pháp, bổ sung bối cảnh và đánh giá kết quả.

Những tài liệu này có thể giúp chúng tôi hiểu được quy trình cộng tác cụ thể. Họ đến từ một nhóm R&D duy nhất này và không thể chứng minh rằng tất cả các nhiệm vụ nghiên cứu đều áp dụng cùng một sự phân công lao động, họ cũng không thể chứng minh rằng phán đoán của con người luôn đúng.

Cơ sở: Báo cáo trang 8, 10–11; phạm vi và mẫu số của các nhiệm vụ khác nhau theo các tỷ lệ phần trăm khác nhau và không thể trộn lẫn được.

Điều gì không thể kết luận ở đây vào lúc này?

“Dự đoán một phút cho tuần tiếp theo” không thể được hiểu là hoàn thành toàn bộ quá trình phát triển mô hình trong một phút. Các phần tương ứng trong báo cáo được tham khảo lần này không cung cấp kết quả đủ chi tiết để xác minh cấu hình lần này hoặc so sánh nó với FourCastNet.

AI có thể tham gia phát triển một hệ thống AI khác, nhưng điều đó không có nghĩa là nó đã được chứng minh là có khả năng tự cải thiện liên tục và đáng tin cậy một cách tự chủ. Báo cáo vẫn liệt kê đây là một câu hỏi mở.

Cơ sở: Báo cáo trang 7–8, 12–13. Lớp học không sử dụng các tiêu đề hoặc bảng xếp hạng quảng cáo làm bằng chứng thực tiễn.