طالب تعلّم الفيزياء من الكتاب المدرسي ويؤدي الامتحان. في المسألتين الأوليين يحل ببراعة، وفي الثالثة يخطئ في أمر لم يرد في الكتاب. هذا تقريبًا ما يبدو عليه اختبار نموذج الغلاف الجوي التعلم الآليNeuralGCM، الذي خضع لثلاثة مستويات من الفحص: الأعاصير، والنينيو، والاحترار الشاذ.

يجمع النموذج بين نواة فيزيائية والتعلم الآلي، الذي يحل محل الحسابات المكلفة للعمليات الصغيرة. بدلًا من حساب كل سحابة صغيرة، تتعلم الشبكة العصبية من بيانات الطقس للأعوام 2001–2018. ثم تُسأل عن أمور لم ترد في هذه البيانات، مثل الاحترار المنتظم للمحيط بمقدار 4 درجات. بهذه الطريقة يُختبر ما إذا كان النموذج قد استوعب الفيزياء أم مجرد حفظ الإحصائيات.

النموذج يتعرف أيضًا على ظاهرة النينيو، لكن عند الاحترار المنتظم، ترتفع درجة الحرارة العالمية بمقدار 0.86 درجة لكل درجة من احترار المحيط، وهو قريب من النماذج التقليدية. لكن في طبقة التروبوسفير العليا والستراتوسفير السفلى، يعطي النموذج تبريدًا زائدًا في المناطق الاستوائية واحترارًا زائدًا في المناطق القطبية. ولهذا السبب، لا ينتقل التيار النفاث نحو القطب كما في النماذج الفيزيائية. السبب بسيط: النموذج لم يتلقَّ مدخلات حول تركيزات ثاني أكسيد الكربون والأوزون، لذا فإن استجابته في الستراتوسفير غير فيزيائية.

الطالب الذي تعلّم الفيزياء من الكتاب المدرسي اجتاز الامتحان، لكن ليس بدرجة امتياز. أظهر NeuralGCM أن النماذج الهجينة قادرة على التعميم خارج نطاق بيانات التدريب، وهو ما لم تنجح فيه النماذج العصبية البحتة. لكن الأخطاء في الستراتوسفير تذكّرنا بأنه قبل الوثوق بهذه النماذج في الإسقاطات المناخية، يجب فهم الحد الأدنى من الفيزياء التي تحتاجها. الامتحان مستمر.