Naukowcy opracowali OceanCBM, mechanisticznie interpretowalny model oparty na concept bottleneck do prognozowania zjawisk oceanicznych. Model wykorzystuje zrozumiałe dla człowieka koncepcje oceanograficzne jako pośrednią reprezentację, co pozwala wyjaśnić, jak sieć neuronowa dokonuje predykcji. Rozwiązanie jest ważne dla zwiększenia zaufania do systemów AI w naukach o Ziemi i może poprawić dokładność prognoz poprzez lepsze zrozumienie mechanizmów decyzyjnych modelu.