蒙特利尔MILA研究所，ConscientAI Labs 和微软研究所的研究人员提出了一个项目，旨在使用周期一致的对抗网络（CycleGANs）生成描绘气候变化的准确，生动和个性化结果的图像。 通过在极端天气事件（例如洪水，森林火灾等）之前和之后的房屋的街景图像上训练CycleGAN模型，通过学习映射，然后将其应用于尚未经历这些事件的位置的图像。 这种视觉转换与气候模型预测相结合，以评估长期（50年）气候相关事件的可能性和类型。 该研究项目的最终目标是通过利用气候模型预测，在保持科学可信度的同时，通过更加深刻地了解气候变化的影响，使个人能够对气候未来做出更明智的选择。