AI & Khí hậu

Trước tiên, hãy xác định kết quả vật chất hoặc chính sách. Dự báo mối nguy hiểm cục bộ, tối ưu hóa năng lượng của tòa nhà và phân loại hình ảnh vệ tinh có các yêu cầu về dữ liệu và lỗi khác nhau. Sử dụng đánh giá theo thời gian khi mục tiêu là tương lai và kiểm tra các sự kiện bất thường thay vì chỉ kiểm tra các điều kiện trung bình. Kiểm tra chất lượng đo lường và phạm vi địa lý. Một mô hình được đào tạo về một cấu hình khí hậu hoặc cảm biến có thể không được chuyển sang cấu hình cảm biến hoặc khí hậu khác. Việc thiếu các quan sát và thay đổi trong thiết bị có thể tạo ra các xu hướng rõ ràng. Báo cáo sự không chắc chắn và hậu quả của những cảnh báo bị bỏ sót hoặc sai đối với cộng đồng sử dụng thông tin. Đo lường việc sử dụng tài nguyên như một phần của hệ thống. Việc đào tạo và phục vụ tiêu tốn năng lượng, trong khi quy trình làm việc được tối ưu hóa có thể giảm năng lượng ở những nơi khác. Nêu rõ ranh giới và giả định của bất kỳ sự so sánh nào; ước tính tính toán của mô hình không tự động là đánh giá vòng đời đầy đủ. Giữ thẩm quyền quyết định rõ ràng đối với các hành động khẩn cấp, cơ sở hạ tầng và môi trường. Bảo toàn các quan sát nguồn và liên lạc khi dự báo nằm ngoài phạm vi được đánh giá.