التعلم الآلي ، عند استخدامه في علم المناخ ، يبني فهمًا فعليًا لنظام المناخ. هذا يعني أنه يمكننا الوثوق بالتعلم الآلي وتعزيز تطبيقاته في علم المناخ ، كما يقول المؤلفان.
رجل أو آلة
غالبًا ما تكون النماذج المناخية الكبيرة والمعقدة غير عملية للعمل معها لأنها تحتاج إلى تشغيلها لأشهر على أجهزة الكمبيوتر العملاقة. كبديل ، غالبًا ما يدرس علماء المناخ النماذج المبسطة.
بشكل عام ، يتم استخدام طريقتين مختلفتين لتبسيط النماذج المناخية: نهج من أعلى إلى أسفل حيث يقدر خبراء المناخ تأثير الوظائف المتروكة على الأجزاء المحفوظة في النموذج المصغر. والنهج التصاعدي ، حيث يتم تغذية البيانات المناخية ببرنامج التعلم الآلي ، والذي يحاكي بعد ذلك النظام المناخي.
الطريقتان تؤديان إلى نتائج مماثلة. ومع ذلك ، فإن فهم الأساليب القائمة على البيانات (من أسفل إلى أعلى) للثقة الكاملة بها يمثل مشكلة صعبة. هل تتفهم برامج التعلم الآلي أنها تتعامل مع نظام ديناميكي معقد ، أم أنها ببساطة جيدة في التخمين الإحصائي للإجابات الصحيحة؟
حل ذكي
الآن ، أثبتت مجموعة من العلماء بشكل تحليلي وباستخدام المحاكاة الحاسوبية ، أن برنامج التعلم الآلي المسمى بتقليل النموذج التجريبي (EMR) يعرف في الواقع ما يفعله. تُظهر الدراسة أن برنامج الكمبيوتر هذا يصل إلى نتائج مماثلة للتخفيضات التنازلية للنماذج الأكبر لأن التعلم الآلي يبني نسخته الخاصة من نموذج المناخ في برامجه.
"أعتقد أن ما نقوم به في هذا التحقيق هو تقديم نوع من الأدلة المادية على سبب عمل هذا البروتوكول المعتمد على البيانات. وهذا بالنسبة لي له معنى كبير ، لأن الطريقة كانت في علوم الغلاف الجوي لفترة طويلة. ومع ذلك ، لا يزال هناك الكثير من الثغرات في فهم المنهجيات. الطالب مانويل سانتوس جوتيريز.
مشجعة ومفيدة
تشير الدراسة إلى أن طريقة التعلم الآلي سليمة ديناميكيًا وماديًا وتنتج عمليات محاكاة قوية. وفقًا للمؤلفين ، يجب أن يحفز هذا على المزيد من استخدام الأساليب التي تعتمد على البيانات في علوم المناخ بالإضافة إلى العلوم الأخرى.
"إنها خطوة مشجعة للغاية. لأنه يعني بمعنى ما أن الطريقة المعتمدة على البيانات ذكية. إنه ليس محاكيًا للبيانات. إنه نموذج يلتقط العمليات الديناميكية. إنه قادر على إعادة بناء ما يكمن وراء البيانات. وهذا يشير إلى أن هذه الاشتقاقات النظرية تمنحك شيئًا مفيدًا من الناحية الحسابية "، كما يقول فاليريو لوكاريني ، أستاذ الميكانيكا الإحصائية في جامعة ريدينغ.
النتيجة مهمة في مجموعة من المجالات: الرياضيات التطبيقية ، والفيزياء الإحصائية ، البيانات العلوم وعلوم المناخ وعلوم النظام المعقدة. وسيكون لها آثار في مجموعة من السياقات الصناعية ، حيث تتم دراسة الأنظمة الديناميكية المعقدة ولكن يمكن الوصول إلى معلومات جزئية فقط - مثل هندسة الطائرات والسفن وتوربينات الرياح أو في نمذجة حركة المرور وشبكات الطاقة وشبكات التوزيع.