Récepteur de mousson : comment un réseau de neurones capte dans l'océan les signaux des pluies à venir ✛
Réglage d'un vieux récepteur radio demande de la patience : on tourne lentement le bouton, on capte un grésillement, on tourne encore, jusqu'à ce qu'une voix émerge des parasites. C'est à peu près ainsi qu'un agent entraîné par apprentissage par renforcement a cherché dans l'océan deux zones dont la différence de température prédit le mieux les pluies en Thaïlande. Il avait deux boutons : déplacer le rectangle et modifier sa taille. La récompense était la force du lien entre la différence de température et la quantité de précipitations pendant la saison de la mousson du nord-est, ce vent hivernal qui apporte la pluie en Asie du Sud-Est.
Au départ, les zones étaient issues d'études antérieures, mais le lien avec les pluies s'est révélé faible, comme un signal à peine audible. L'agent a essayé des milliers de combinaisons de positions et de tailles, et progressivement la corrélation est passée de 0.052 à 0.497 selon la fonction objectif, qui fait la moyenne des carrés des corrélations pour le début et le retrait de la mousson. Les zones optimales se sont déplacées de centaines de kilomètres par rapport aux zones initiales. Désormais, la différence de température entre elles reflète précisément le mécanisme de la mousson locale, et non les courants globaux.
Lorsque l'indice a été ajouté au réseau de neurones à mémoire, l'erreur de prévision à un an a diminué dans 11 des 12 groupes de stations météorologiques. Dans le sud de la Thaïlande, la corrélation de l'indice avec les précipitations au début de la mousson a atteint -0.720, et dans le nord, pendant la période de retrait, -0.738. La corrélation négative signifie que plus l'eau est chaude dans une zone par rapport à l'autre, moins il pleut dans la saison correspondante, ou inversement. Dans un seul groupe, aucune amélioration n'a été observée, ce qui rappelle que même un récepteur bien réglé ne capte pas toujours toutes les stations.
Avant ces travaux, on ne savait pas quelles zones de l'océan écouter pour prédire les pluies en Thaïlande, ni si un indice local pouvait surpasser les indices globaux. Désormais, les zones trouvées fournissent un signal fort qui améliore la prévision annuelle. L'utilité pratique est directe : la gestion des réservoirs et la planification agricole exigent des prévisions précises à long terme. Comme un radioamateur, l'agent a trouvé la bonne fréquence, et les prévisionnistes peuvent désormais intégrer cet indice dans leurs systèmes sans avoir à essayer manuellement des milliers de combinaisons.
L'agent d'apprentissage par renforcement a exploré des milliers de combinaisons de rectangles dans l'océan pour trouver une paire de zones dont la différence de température prédit le mieux les pluies. Les zones optimales se sont révélées déplacées de centaines de kilomètres par rapport à celles proposées dans les études précédentes.