جيروسكوب للمناخ: كيف نعلّم الشبكة العصبية ألا تختلق الطاقة ✛
كل بضع سنوات، يزيح التيار الدافئ قبالة سواحل بيرو، ويبقى الصيادون بلا صيد. هذه هي ظاهرة النينيو، نَفَس المحيط الهادئ الاستوائي، التي تؤثر على الطقس من إندونيسيا إلى كاليفورنيا. توقّع ظهورها صعب مثل توقّع الاتجاه الذي ستتدحرج إليه حصاة قُذفت في نهر هائج.
يبني العلماء نماذج مبسّطة لهذه الأنظمة المضطربة، لأنه من المستحيل حساب كل قطرة في المحيط. الشبكات العصبية تتعلم جيدًا من البيانات: ترى شهورًا من الأرصاد وتستخلص الأنماط. لكن هناك خدعة. الشبكة العصبية العادية قد تعيد إنتاج الخصائص المتوسطة، لكن عند دفعة خارجية، مثل تغيّر النشاط الشمسي، قد تبدأ في التأرجح كأرجوحة يدفعها أحدهم خارج الإيقاع. فهي غير ملزمة بحفظ الطاقة لأنها لا تعرف الفيزياء.
ولكن كيف نتحقق من أن النموذج سيستجيب بشكل صحيح لـاضطراب إذا كان قد دُرِّب على بيانات هادئة فقط؟ يستخدم المؤلفون مبرهنة التقلب والتبديد، وهي العلاقة بين التذبذبات العفوية والاستجابة لتأثير خارجي. الأمر يشبه معرفة مدى ارتفاع رنين الجرس إذا ضُرب، من خلال ملاحظة ارتعاشه من هبّات الرياح العشوائية.
اختُبرت الطريقة على نماذج مثالية للاضطراب، ثم طُبّقت على بيانات حقيقية لنظام المناخ المداري. نموذج من 20 متغيرًا أعاد إنتاج التوزيع غير الغاوسي للنينيو وطيفه بذروة في نطاق 2–5 سنوات. علاوة على ذلك، استطاع توليد حدث متطرف مشابه لنينيو القياسي لعامي 1997/1998، رغم أن مثل هذا الحدث ظهر مرة واحدة فقط في بيانات التدريب.
الجيروسكوب داخل الشبكة العصبية يمنع النموذج من التأرجح الجامح. إنه يبقيه ضمن حدود الفيزياء، ولذلك يمكننا سؤال النموذج عن أمور لم تكن في البيانات: كيف سيستجيب المناخ لدفعة غير متوقعة؟ في السابق، كانت مثل هذه الأسئلة تُطرح بحذر، لأن النماذج قد تعطي إجابات بلا معنى. الآن لدينا طريقة لبناء نسخ مبسّطة موثوقة من المحيط والغلاف الجوي، لا تتذكر الماضي فحسب، بل تجيب بصدق عن المستقبل.
استطاع النموذج توليد حدث نينيو متطرف مشابه للحدث القياسي لعامي 1997/1998، رغم أن مثل هذا الحدث ظهر مرة واحدة فقط في بيانات التدريب.
فكرة توقّع استجابة نظام معقد للتدخل دون التدخل نفسه تذكّر بـ"علم النفس التاريخي" من سلسلة "المؤسسة" لإسحاق عظيموف، حيث كان يُحسب مستقبل جماهير بشرية كبيرة وفق قوانين إحصائية.