ملاحٌ خبير يقود السفينة وفق خريطة، لكن الخريطة ليست دقيقة دائمًا. أما البحّار الصغير الذي طالما راقب أخطاء الملاح، فيتعلّم أن ينبّهه إلى المواضع التي تكذب فيها الخريطة. وهكذا يرسمان معًا مسارًا أدقّ ممّا لو اعتمد كلٌّ منهما على نفسه. هذا ما تفعله النماذج الجديدة للتنبؤ بالنينيو، ذلك التيار الدافئ في المحيط الهادئ الذي يغيّر الأمطار والجفاف في أنحاء الأرض كل بضع سنوات.
النموذج التقليدي هو الملاح. إنه يتذكّر كيف ترتبط درجة حرارة الماء وارتفاع سطح البحر ببعضهما شهرًا بعد شهر. هذه العلاقة بسيطة، لذا يعمل النموذج حتى عندما تكون البيانات قليلة، ولا نملك سوى حوالي مئة وخمسين عامًا منها. لكنه لا يدرك أن أحداث النينيو الدافئة أقوى من الأحداث الباردة، ولذلك يخطئ.
الشبكة العصبية هي البحّار الصغير. لا تُدرَّب على التنبؤ بالنينيو، بل على تصحيح أخطاء الملاح. أولًا، يُصدر الملاح ستة عشر توقعًا مختلفًا قليلًا عن بعضها. ينظر البحّار الصغير إلى هذه التوقعات وإلى تاريخ المحيط، ثم يشير إلى المواضع التي أخطأ فيها الملاح. وهكذا يلتقط النموذج الفرق بين الأحداث الدافئة والباردة.
أظهرت الاختبارات أنه بعد مئة عام فقط من التدريب، يتنبأ النموذج الهجين بسنة قادمة بمهارة أعلى من 0.5، بينما الشبكة العصبية دون الملاح تقع تحت 0.4. ولا تلحق الشبكة العصبية النقية بالهجين إلا بعد خمسمئة عام من التدريب. كان يُعتقد سابقًا أننا نحتاج إلى آلاف السنين من البيانات، لكن الآن نرى أنه يمكننا الاكتفاء بمئة عام إذا كان أحد النموذجين يقوم بالعمل الأساسي والآخر يصحح أخطاءه. الملاح يقود السفينة، والبحّار الصغير يهمس له حيث تكذب الخريطة، فيصبح المسار أكثر دقة.
لتغطية كامل تنوع الأحداث بين السنوات في ظاهرة النينيو، قد نحتاج إلى حوالي 500 عام من الملاحظات، لكن بيانات الأقمار الصناعية لا تتجاوز 40 عامًا فقط.
في رواية كيم ستانلي روبنسون «أربعون علامة مطر»، يصبح التنبؤ الدقيق بالنينيو مسألة أمن قومي، وفي الواقع تحاول النماذج الهجينة استخلاص أقصى فائدة من سلاسل البيانات القصيرة.