Financé par le Fonds national suisse et fruit d’un travail entre les chercheurs des universités de Zurich, Lausanne (UNIL) et de l’Université des arts de Zurich, l'IceAgeCam vise à corriger de manière ludique les idées fausses sur le changement climatique,et à pointer les différences entre les fluctuations naturelles de température qui s’étendent sur des centaines de milliers d’années, et l’augmentation vertigineuse des températures des dernières décennies. La machine a été érigée sur la terrasse panoramique du restaurant Felsenegg, un haut-lieu touristique de Zurich situé à 800 mètres d’altitude, qui offre une vue panoramique sur le lac de Zurich et les Alpes.
Pronostics jusqu'à 2100
L’IceAgeCam se présente comme un écran grand format flanqué de deux pompes. Les joueurs ont pour mission de suivre une ligne temporelle qui présente les taux du passé, en appuyant sur les poignées des pompes pour augmenter et diminuer la proportion de gaz à effet de serre (CO2) dans l'atmosphère. Les températures mondiales étant étroitement liées à la proportion de gaz à effet de serre (CO2) dans l'atmosphère, le jeu s’accompagne d’une courbe des températures, largement corrélée au taux de CO2, et d’une simulation de paysage, dans l’environnement réel. En augmentant ou en diminuant les niveaux de CO2 à l'aide des pompes, les utilisateurs voient les changements dans le paysage causés par le recul ou l'avancée des glaciers dans le temps. Il est ensuite possible de prendre un selfie devant l’image, et de le partager sur Instagram.
L'IceAgeCam utilise des pronostics scientifiques pour cartographier les scénarios futurs possibles jusqu'en 2100. En plus de la vue panoramique tridimensionnelle, les visiteurs peuvent également regarder une animation à vol d'oiseau des Alpes au cours du dernier cycle glaciaire.
Utilisation de l'IA pour créer des images
Les simulations d'IceAgeCam sont basées sur des recherches menées par le département de géographie de l'UZH et l'Institut des dynamiques de la surface terrestre de l'Université de Lausanne. Le modèle utilisé simule les interactions entre le climat et les processus glaciologiques. Afin de traduire ces données en images visuellement impressionnantes, à haute résolution et semblables à celles d'un satellite, une équipe dirigée par Guillaume Jouvet, glaciologue à l'Université de Lausanne, a développé un modèle génératif d'apprentissage profond (deep-learning).