eXtreme dogodki: Umetna inteligenca za odkrivanje in pripisovanje (XAIDA)

Podnebne spremembe spreminjajo in krepijo ekstremne vremenske pojave, kot so vročinski valovi, uničujoči požari v naravi, cikloni, poplave in suše. Cilj projekta XAIDA je opredeliti, zaznati in pripisati ekstremne dogodke z uporabo novega pristopa, ki temelji na podatkih in učinku. Uporabljala bo nove tehnike umetne inteligence in združevala strokovnjake s področja pripisovanja ekstremnih dogodkov, atmosferske dinamike, podnebnega modeliranja, strojnega učenja in vzročnega sklepanja. Upamo, da bodo ugotovitve projekta lahko osvetlile vpliv podnebnih sprememb na atmosferske pojave, kot so cikloni in konvektivne nevihte, ki niso dobro razumljeni ali količinsko opredeljeni. Projekt bo zagotovil tudi orodja za oceno vzročnih poti, ki vodijo do ekstremnih dogodkov.

Področje „pripisovanje ekstremnih dogodkov“ se je nedavno razvilo, da bi se zagotovila predstavitev prihodnjih podnebij v smislu smiselnih vzorcev ekstremnih dogodkov, ki lahko podprejo prihodnje projekcije na način, ki je koristen za prilagajanje, in za katere je mogoče ugotoviti ali ovreči vzročno povezavo med dogodki in človekovim vplivom na podnebje. Vendar se študije odkrivanja, pripisovanja in napovedovanja ekstremnih dogodkov trenutno soočajo z velikimi omejitvami. 

Cilj projekta XAIDA je zapolniti te vrzeli. Z uporabo novih tehnik umetne inteligence in močne dvosmerne interakcije s ključnimi deležniki bo (i) opredelila, zaznala in pripisala ekstremne dogodke z uporabo novega pristopa, ki temelji na podatkih in učinku, (ii) ocenila njihove temeljne vzročne poti in fizične dejavnike z uporabo metod vzročnih mrež ter (iii) simulirala zelo intenzivne in še nevidne dogodke, ki so fizično verjetni v sedanjih in prihodnjih podnebjih.

Da bi to dosegli, XAIDA združuje skupine strokovnjakov za pripisovanje ekstremnih dogodkov, atmosfersko dinamiko, podnebno modeliranje, strojno učenje in vzročno sklepanje, da bi:

• razumeti vpliv podnebnih sprememb na različne vplivne atmosferske pojave, ki so trenutno slabo razumljeni ali količinsko opredeljeni (cikloni, konvektivne nevihte, dolgotrajne anomalije ali poletni sestavljeni dogodki), tako za pretekli kot za prihodnji razvoj;
• v sodelovanju s skupnostjo ključnih deležnikov razvijejo nov, širši okvir za pripisovanje in napovedovanje, ki temelji na učinkih in iz katerega bodo razvidne vzročne poti ekstremov;
• razvoj zgodb o dogodkih nevidne intenzivnosti, ki temeljijo na metodah strojnega učenja;
• zagotoviti nova orodja za modelno oceno vzročnih poti, ki vodijo do ekstremnih dogodkov, in raziskati vzroke za nesoglasja med modeli in opazovanji;
• Razviti platformo za interakcijo in komunikacijo z deležniki, da bi izboljšali usposabljanje in izobraževanje o podnebnih spremembah in vplivih ter ta razvoj prenesli v prihodnje operativne podnebne storitve.