Meet EWE: An AI Weather Expert for Extreme Events

Meet EWE: An AI Weather Expert for Extreme Events

Extreme weather is getting worse, but understanding the physical “why” behind each event still takes weeks of expert detective work. Forecasting AI has improved, yet diagnostic reasoning — explaining causes — has lagged.

Enter EWE (Extreme Weather Expert), a new AI agent that acts like a meteorologist-in-the-loop. EWE plans analyses, reasons in closed loops, and uses a domain-specific toolkit to turn raw atmospheric data into maps, plots, and plain-language explanations — automatically.

  • Emulates expert workflows with knowledge-guided planning
  • Generates and interprets multimodal visualizations
  • Performs end-to-end diagnostic analyses from raw data
First benchmark: 103 high-impact events + a stepwise metric to test scientific reasoning.

Why it matters: faster, more consistent event diagnostics can accelerate discovery and help agencies — especially in developing nations — triage risks and resources when extreme weather strikes.

Paper: https://arxiv.org/abs/2511.21444v1 by Jiang, Wang, Yue, Guo, Zhang, Ling, Ouyang, Bai.

Paper: https://arxiv.org/abs/2511.21444v1

Register: https://www.AiFeta.com

AI Weather Climate ExtremeWeather EarthScience OpenScience DisasterRisk DataScience

Read more

Pieni kielimalli oppi kysymään taulukoilta ihmisen puolesta

Pieni kielimalli oppi kysymään taulukoilta ihmisen puolesta

Moni on tuijottanut Exceliä ja toivonut voivansa vain kysyä: missä kaupunginosissa koti on kävelymatkan päässä terveysasemasta ja ruokakaupasta? Ihmismielelle yksinkertainen pyyntö muuttuu helposti tuntien suodatukseksi ja kaavanviilaukseksi. Tietokone kyllä tietää vastauksen – jos vain osaisimme puhua sen kieltä. Viime vuosina apua on pyydetty juttelevalta tekoälyltä. Se osaa etsiä ja tiivistää tekstejä,

By Kari Jaaskelainen
Tekoäly vastaa fiksummin, kun sille annetaan oikea tieto oikealla tavalla

Tekoäly vastaa fiksummin, kun sille annetaan oikea tieto oikealla tavalla

Katsaus kokoaa, miten kielimalleja voi vahvistaa antamalla niille jäsenneltyä lisätietoa vastaushetkellä – yksinkertaisista vihjeistä aina syy–seurausketjuiksi järjestettyyn taustaan. Kuvittele, että pyydät tekoälyä selittämään, mitä uusi lakimuutos tarkoittaa pienyrittäjälle. Yleismallinen kielimalli osaa puhua aiheesta sujuvasti, mutta jos laki on muuttunut äskettäin, vastauksessa voi olla vanhaa tietoa tai epävarmoja arvailuja. Sama kokemus

By Kari Jaaskelainen
Tekoäly voi olla sekä nopea että säästeliäs – jos se oppii milloin ajatella ääneen

Tekoäly voi olla sekä nopea että säästeliäs – jos se oppii milloin ajatella ääneen

Kuvittele chat-ikkuna, jossa vastaus alkaa rönsyillä: ensin pari perustelua, sitten varmistus, lopulta vielä varmistuksen varmistus. Käyttäjä odottaa, laskutus juoksee. Tekoälymallit hinnoitellaan usein “tokeneina” – sananpaloina – joten jokainen turha kiemura maksaa sekä aikaa että rahaa. Vuosia alalla vallitsi hiljainen oletus: mitä enemmän mallilla on laskentatehoa ja mitä pidemmin se ”miettii”, sitä parempaa

By Kari Jaaskelainen