L'IA face aux grands problèmes du monde · Sciences de la Terre et du climat · arXiv · 2026-10-20
Interprétabilité des modèles météorologiques d'IA par décodage intermédiaire
Titre original: Interpretability of AI weather models via intermediate decoding
Les modèles météorologiques fondés sur l'IA sont difficiles à interpréter, car leurs représentations internes n'ont pas de signification physique. Les auteurs décodent les états latents intermédiaires pour retrouver des champs météorologiques, en utilisant des transformations affines afin de les aligner sur l'espace d'entrée du décodeur. Appliquée à GraphCast, Aurora et ArchesWeather, la méthode montre que la qualité des prévisions s'améliore progressivement au fil des couches du processeur. Les modèles affinent également les prévisions des échelles spatiales grossières vers les échelles fines, et l'encodeur-décodeur joue un rôle important dans la construction des prévisions.