IA e os Problemas Difíceis do Mundo · Ciências da Terra e do clima · arXiv · 2026-10-20
Interpretabilidade de modelos de IA do tempo por meio de decodificação intermediária
Título original: Interpretability of AI weather models via intermediate decoding
Os modelos de IA para previsão do tempo são difíceis de interpretar porque suas representações internas não têm significado físico. Os autores decodificam estados latentes intermediários de volta em campos meteorológicos, usando transformações afins para alinhá-los ao espaço de entrada do decodificador. Aplicado ao GraphCast, ao Aurora e ao ArchesWeather, o método mostra que a habilidade de previsão melhora gradualmente ao longo das camadas do processador. Os modelos também refinam as previsões de escalas espaciais grosseiras para escalas finas, e o codificador-decodificador desempenha um papel significativo na construção da previsão.