ضبط مستقبل راديو قديم يتطلب صبرًا: تدير المقبض ببطء، تلتقط أزيزًا، ثم تديره مرة أخرى حتى يظهر صوت عبر التشويش. وبطريقة مشابهة، بحث عامل يعمل بالتعلم المعزز في المحيط عن منطقتين يكون الفرق في درجات حرارتهما أفضل مؤشر على أمطار تايلاند. كان لديه مقبضان: تحريك المستطيل وتغيير حجمه. وكانت المكافأة هي قوة الارتباط بين فرق درجات الحرارة وكمية الأمطار في موسم الرياح الموسمية الشمالية الشرقية، وهي الرياح الشتوية التي تجلب الأمطار إلى جنوب شرق آسيا.

في البداية، أُخذت المنطقتان من دراسات سابقة، لكن الارتباط بالأمطار كان ضعيفًا، كإشارة بالكاد مسموعة. جرب العامل آلاف التركيبات للمواقع والأحجام، وتدريجيًا ارتفع الارتباط من 0.052 إلى 0.497 وفقًا لدالة الهدف التي تحسب متوسط مربعات الارتباطات لبداية الرياح الموسمية وتراجعها. تحركت المنطقتان الأمثلتان مئات الكيلومترات عن المنطقتين الأصليتين. الآن يعكس الفرق في درجات الحرارة بينهما آلية الرياح الموسمية المحلية بدقة، وليس التيارات العالمية.

عند إضافة المؤشر إلى الشبكة العصبية ذات الذاكرة، انخفض خطأ التنبؤ لعام كامل مقدمًا في 11 من أصل 12 مجموعة محطات. في جنوب تايلاند، بلغ ارتباط المؤشر بالأمطار في بداية الرياح الموسمية -0.720، وفي الشمال خلال فترة التراجع -0.738. الارتباط السلبي يعني أنه كلما كانت المياه في منطقة أكثر دفئًا نسبيًا عن الأخرى، قلّت الأمطار في الموسم المقابل، أو العكس. فقط في مجموعة واحدة لم يحدث تحسن، مما يذكرنا بأن حتى المستقبل المضبوط جيدًا لا يلتقط دائمًا جميع المحطات.

قبل هذا العمل، لم يكن واضحًا أي مناطق المحيط يجب الاستماع إليها للتنبؤ بأمطار تايلاند، وما إذا كان المؤشر المحلي يمكن أن يتفوق على المؤشرات العالمية. الآن توفر المناطق المكتشفة إشارة قوية تحسن التنبؤ السنوي. الفائدة العملية مباشرة: إدارة الخزانات والتخطيط الزراعي يتطلبان تنبؤات دقيقة طويلة المدى لهطول الأمطار. العامل، كهواة الراديو، وجد التردد المناسب، والآن يمكن للمتنبئين تضمين هذا المؤشر في أنظمتهم دون الحاجة إلى تجربة آلاف الخيارات يدويًا.