يقع هذا العمل عند تقاطع التعلم الآلي وعلوم المناخ، بجانب الأبحاث حول عدم اليقين في الحسابات الكمومية، وكيمياء الشبكات العصبية، والتنبؤ بالنينيو. لقد ثبت بالفعل أن الشبكات العصبية الاحتمالية يمكنها تقدير عدم اليقين العشوائي، وأن المجموعات تحسن المعايرة، لكن التحليل التفصيلي للآليات في ظل التحول المناخي كان ناقصًا. تسد هذه المقالة الفجوة: فهي تقارن لأول مرة بشكل منهجي سلوك عدم اليقين العشوائي والمعرفي لظاهرة ENSO تحت الاحترار البشري.
استُخدمت بيانات من 100 عضو من مجموعة النموذج المناخي CESM2-LE من 1850 إلى 2100. لكل شهر، حُسبت شذوذات درجة حرارة سطح المحيط، والمحتوى الحراري لأعلى 300 متر، وإجهاد الرياح النطاقي. شبكة ResNet-18 بطبقات إضافية تستقبل الأشهر الثلاثة الأخيرة من الشذوذات وتتنبأ بفئة ENSO على مدى 24 شهرًا قادمًا. دُرّبت ثلاث مجموعات كل منها 100 مكون: على الفترة ما قبل الصناعية (1850-1949)، والفترة الحديثة (1850-2024)، والفترة السيناريوية (1850-2098). قُدّر عدم اليقين العشوائي على أنه متوسط إنتروبيا تنبؤات المكونات، بينما قُدّر عدم اليقين المعرفي على أنه تباين الاحتمالات بين المكونات.
عند تحول توزيع المدخلات بسبب تغير المناخ، تنخفض جودة التوقعات، لكن عدم اليقين المعرفي (خلاف المجموعة) ينمو بشكل مطرد بدءًا من حوالي عام 2040، ويرتبط هذا النمو بتدهور الخطأ. على النقيض من ذلك، فإن عدم اليقين العشوائي، بالنسبة للآفاق الطويلة (أكثر من 10 أشهر)، ينخفض حتى، رغم أن التوقع يصبح أسوأ: يصبح النموذج واثقًا بشكل مفرط في ظروف غير مألوفة. يزداد تحسن المجموعة مقارنة بالمكون المتوسط مع عدم اليقين المعرفي، أي أن المجموعة ذات قيمة خاصة عند التحول. بالنسبة للآفاق القصيرة (حتى 6 أشهر)، لا يزال عدم اليقين العشوائي ينمو قليلاً، لكن إشارته أضعف وأقل موثوقية.
يُظهر العمل أنه في المهام ذات العشوائية الداخلية العالية، مثل التنبؤ بـ ENSO، فإن الاعتماد فقط على عدم اليقين العشوائي أمر خطير: عند تحول التوزيع، قد يكون مضللاً. عدم اليقين المعرفي، الذي يُقاس بخلاف المجموعة، يعمل كمؤشر موثوق على أن النموذج خرج عن نطاق بيانات التدريب. هذا يغير الممارسة: بالنسبة للتوقعات المناخية تحت تغير المناخ، من الضروري تتبع كلا النوعين من عدم اليقين، وليس فقط ثقة الشبكة الفردية. مقارنة بالأعمال المجاورة التي ركزت على المعايرة أو عدم اليقين العشوائي، هنا يُظهر لأول مرة أن المكون المعرفي هو الإشارة الرئيسية للتدهور.
يمكن أن يتطور الموضوع نحو طرق أرخص لتقدير عدم اليقين المعرفي دون مجموعة كاملة، مثل تقطير المجموعة في شبكة واحدة أو التعلم العميق الاستدلالي. ومن الواعد أيضًا دراسة كيفية نقل هذه النتائج إلى متغيرات مناخية أخرى ومناطق أخرى، وكذلك إلى بيانات الرصد الفعلية وليس النموذجية فقط. ربما تظهر مجموعات تكيفية تزيد تلقائيًا من عدد المكونات عند اكتشاف تحول في التوزيع.
تؤثر النتائج بشكل مباشر على التنبؤ الموسمي التشغيلي لظاهرة ENSO في ظل مناخ متغير، مما يساعد في تقييم موثوقية التوقعات. كما أنها قابلة للتطبيق على مهام التنبؤ المناخي الأخرى حيث يكون حساب عدم اليقين مهمًا، مثل التنبؤ بهطول الأمطار أو الظواهر المتطرفة.
الخطوة التالية هي التحقق مما إذا كانت ميزة عدم اليقين المعرفي لا تزال قائمة عند استخدام بيانات الرصد الفعلية وهياكل أخف. من المهم أيضًا دراسة ما إذا كان يمكن معايرة المجموعة تلقائيًا عند اكتشاف التحول، للحفاظ على موثوقية التوقعات في الوقت الفعلي.
في التنبؤ المناخي، تظل مشكلة تقدير عدم اليقين في ظل عدم ثبات المناخ دون حل: تفترض الطرق التقليدية استقرار العلاقات الإحصائية، وهو ما ينتهكه الاحترار البشري. يربط هذا العمل بشكل مباشر نمو عدم اليقين المعرفي بالتحول المناخي ويُظهر أن عدم اليقين العشوائي لا يمكن أن يكون بديلاً. وهذا يثير مسألة الحاجة إلى مقاييس وأساليب جديدة مقاومة لتغير توزيع المدخلات.
هذا القسم موجَّه إلى مؤلف العمل وزملائه. الأعمال المجاورة عثر عليها بحثٌ دلالي في أرشيفنا، لا بتطابق الكلمات. نحن لا نقيّم العمل: نعرض الحقل من حوله.
ماذا يفعل هذا العمل
يُدرّب المؤلفون مجموعات من 100 شبكة عصبية احتمالية على بيانات CESM2-LE للتنبؤ بظاهرة النينيو-التذبذب الجنوبي (ENSO)، ويفصلون عدم اليقين إلى مكون عشوائي (aleatoric) ومكون معرفي (epistemic). ويُظهرون أنه عند حدوث تحول مناخي، يزداد عدم اليقين المعرفي ويرتبط بالخطأ، بينما يتصرف المكون العشوائي بشكل متناقض، إذ ينخفض للآفاق الزمنية الطويلة.
أين تكمن قوته
المقارنة المنهجية لسلوك نوعي عدم اليقين في ظل تحول التوزيع لنظام مناخي عشوائي تمثل أداة عملية لمراقبة موثوقية التنبؤات.
إلى أين يمكن المضي
يستحق التجربة
لماذا قد يكون هذا مهمًا
تكمن القيمة العملية في إمكانية تطوير أنظمة إنذار مبكر لعدم موثوقية التنبؤات عند تغير المناخ، وهو أمر بالغ الأهمية للتخطيط في الزراعة والطاقة وإدارة المخاطر.
أعمال قريبة في أرشيفنا
الأرشيف خالٍ حول هذا العمل: أقرب تحليل عند 0.54 فقط، مقابل 0.64 المعتادة. يبدو أن الحفر بجواره كان نادرًا.
المجموعة المكونة من 100 شبكة عصبية في هذا العمل أكبر بعشر مرات من المجموعات النموذجية للتنبؤ بـ ENSO، وهذا الحجم بالتحديد هو الذي سمح بفصل النوعين من عدم اليقين بشكل موثوق. ومن المثير للاهتمام أنه بالنسبة للتوقعات القصيرة (حتى 6 أشهر)، لا يزال عدم اليقين العشوائي ينمو قليلاً عند التحول، لكن هذه الإشارة أضعف من إشارة عدم اليقين المعرفي.