Параметризация и настройка параметров являются центральными аспектами моделирования климата, и широко распространено мнение, что эти процедуры включают определённые субъективные элементы. Даже если использование этих субъективных элементов не обязательно является эпистемологически проблематичным, существует интуитивный призыв заменить их более объективными (автоматизированными) методами, такими как машинное обучение. Опираясь на несколько тематических исследований, авторы утверждают, что, хотя методы машинного обучения могут помочь улучшить параметризацию климатической модели несколькими способами, они по-прежнему требуют экспертной оценки, которая включает субъективные элементы, не столь отличающиеся от тех, которые возникают при стандартной параметризации и настройке. Использование машинного обучения в параметризации — это не только наука, но и искусство, требующее тщательного контроля.

 

Ссылка: https://link.springer.com/article/10.1007/s10584-023-03532-1