لماذا لا ينبغي لشبكة عصبية مناخية أن تختلق الطاقة ✛
كل بضع سنوات، يزاح التيار الدافئ قبالة سواحل بيرو، ويبقى الصيادون بلا صيد. هذه هي ظاهرة النينيو، نَفَس المحيط الهادئ المداري، التي تؤثر على الطقس من إندونيسيا إلى كاليفورنيا. التنبؤ بظهورها صعب مثل التنبؤ باتجاه حجر يُلقى في نهر هائج.
يبني العلماء نماذج مبسطة لهذه الأنظمة المضطربة، لأنه يستحيل حساب كل قطرة في المحيط. الشبكات العصبية بارعة في التعلم من البيانات: فهي ترى شهورًا من الملاحظات وتتعلم الأنماط. لكن هناك مشكلة. الشبكة العصبية العادية قد تعيد إنتاج الخصائص المتوسطة، لكن عند دفعة خارجية، مثل تغير النشاط الشمسي، قد تبدأ في التأرجح كأرجوحة يدفعها أحدهم في غير إيقاعها. فهي غير ملزمة بحفظ الطاقة لأنها لا تعرف الفيزياء.
لكن كيف نتحقق من أن النموذج سيستجيب بشكل صحيح لـاضطراب إذا كان قد تدرّب فقط على بيانات هادئة؟ يستخدم المؤلفون نظرية التقلب والتبديد، وهي العلاقة بين التقلبات العفوية والاستجابة للتأثير الخارجي. الأمر أشبه بمعرفة مدى ارتفاع رنين الجرس إذا ضربته، عبر مراقبة ارتعاشه من هبات الرياح العشوائية.
اختُبرت الطريقة على نماذج مثالية للاضطراب، ثم طُبّقت على بيانات حقيقية للنظام المناخي المداري. النموذج ذو 20 متغيرًا أعاد إنتاج التوزيع غير الغاوسي للنينيو وطيفه بذروة في نطاق 2–5 سنوات. علاوة على ذلك، استطاع توليد حدث متطرف مماثل لنينيو القياسي لعامي 1997/1998، رغم أن مثل هذا الحدث ورد في بيانات التدريب مرة واحدة فقط.
الجيروسكوب داخل الشبكة العصبية يمنع النموذج من التأرجح الجامح. إنه يُبقيه ضمن حدود الفيزياء، ولذلك يمكن سؤال النموذج عن أمور لم ترد في البيانات: كيف سيستجيب المناخ لدفعة غير متوقعة؟ في السابق، كانت مثل هذه الأسئلة تُطرح بحذر، لأن النماذج قد تعطي إجابات لا معنى لها. الآن لدينا طريقة لبناء نسخ مبسطة موثوقة من المحيط والغلاف الجوي، لا تتذكر الماضي فحسب، بل تجيب بصدق عن المستقبل.
استطاع النموذج توليد حدث نينيو متطرف مماثل للحدث القياسي لعامي 1997/1998، رغم أن مثل هذا الحدث ورد في بيانات التدريب مرة واحدة فقط.
فكرة التنبؤ باستجابة نظام معقد للتدخل دون التدخل نفسه تذكّر بـ"علم النفس التاريخي" من سلسلة "المؤسسة" لإسحاق عظيموف، حيث كان يُحسب مستقبل الجماهير البشرية الكبيرة وفق قوانين إحصائية.