XAI の発展により、経験的ダウンスケーリング アルゴリズムの外挿機能を評価するための新しいオフライン方法を提供し、図 6 に示すように、従来のダウンスケーリング評価手法と並行して統合できます。たとえば、定常性の仮定を評価するには、次のことが可能になる場合があります。 勾配ベースの XAI 技術を適用して、ML ベースの経験的ダウンスケーリング アルゴリズムによって学習された関係が時間の経過とともにどのように進化するかを評価します。 これにより、アルゴリズムの安定性の指標も得られ、アルゴリズムのドリフトやパフォーマンスの低下の検出が容易になります。
コメント：経験的ダウンスケーリング アルゴリズムの外挿機能は、学習データから大きく外れない近未来であれば、全球気候モデル(GCM)の気候変動に対応して適切に推定されると期待されます。しかし遠未来では、外挿機能が全球気候モデルから大きくズレる（ドリフト、パフォーマンス低下）が起こる可能性もあります。アルゴリズムの適用限界を見極める上でもドリフトやパフォーマンス低下の検出は重要になるでしょう。