Spatially Adaptive Ensemble Learning with Calibrated Predictive Uncertainty

يعد تلوث الهواء قوة صامتة وغير مرئية تشكل صحة السكان حول العالم. لقد عرف العلماء منذ زمن طويل أن استنشاق الجسيمات الدقيقة، وتحديداً تلك التي يقل حجمها عن 2.5 ميكرومتر، يؤدي إلى مشكلات صحية خطيرة ووفيات مبكرة. ولكي يفهموا بدقة كيف تضرنا هذه الجسيمات، يجب على الباحثين أولاً معرفة مكان وجود هذه الجسيمات وكميتها التي يستنشقها الناس. ومع ذلك، فإن هذه الجسيمات ليست موزعة بشكل متساوٍ؛ فهي تنجرف عبر المدن، وتستقر في الوديان الريفية، وتتغير بتغير الفصول. ولأنه من المستحيل وضع مستشعر في كل زاوية شارع أو في كل ساحة خلفية منزل، يعتمد العلماء على النماذج الحاسوبية لتقدير مستويات التلوث عبر مناطق بأكملها. تعمل هذه النماذج مثل الخرائط، حيث تسد الفجوات بين المستشعرات الفيزيائية القليلة الموجودة بالفعل. ولكن مثل أي خريطة، لا تكون هذه النماذج إلا بجودة البيانات والافتراضات المستخدمة لرسمها، وغالباً ما تختلف فيما بينها، خاصة في الأماكن البعيدة عن محطة الرصد.

إن التحدي الجوهري الذي يواجه باحثي الصحة العامة ليس مجرد العث find الأكثر دقة للخريطة، بل أيضاً معرفة مدى إمكانية الوثوق بها. إذا توقع نموذج ما مستوى عالياً من التلوث في حي معين، فهل هذا التوقع حقيقة راسخة، أم أنه تخمين ناتج عن نقص البيانات؟ عندما يستخدم الباحثون هذه التقديرات الخاصة بالتلوث لدراسة النتائج الصحية، مثل أمراض القلب أو الربو، يجب عليهم مراعاة عدم اليقين في التوقع نفسه. فإذا عاملوا تخميناً تقريبياً كحقيقة دقيقة، فإن استنتاجاتهم حول المخاطر الصحية قد تكون مضللة. لسنوات طويلة، كان النهج المعياري هو دمج عدة نماذج مختلفة في "مجموعة" (ensemble) واحدة للحصول على متوسط أفضل. ومع ذلك، فإن الطرق التقليدية لدمج هذه النماذج غالباً ما تخصص وزناً واحداً ثابتاً لكل نموذج للمنطقة بأكملها، متجاهلة حقيقة أن أحد النماذج قد يكون ممتازاً في المدينة ولكنه سيء في الريف. علاوة على ذلك، تفشل هذه الطرق التقليدية غالباً في تقديم مقياس موثوق لمدى عدم اليقين في التوقع النهائي، مما يترك علماء الصحة يتخذون القرارات بمعلومات غير كاملة.

لقد طور فريق من الباحثين طريقة جديدة لحل هذه المشكلات، حيث أنشأوا نظاماً يتعلم أين يضع ثقته في أي نموذج وكيف يكون واثقاً من إجاباته. وبدلاً من معاملة دمج النماذج كوصفة ثابتة، يسمح هذا النهج الجديد، المسمى "المجموعة البايزية غير المعلمية التكيفية" (Adaptive Bayesian Nonparametric Ensemble)، للأوزان المخصصة لكل نموذج بأن تتغير وتتحول بناءً على الموقع المحدد. فهو يدرك أن النموذج المدرب على بيانات الأقمار الصناعية قد يعمل بشكل مثالي في مركز حضري كثيف ولكنه قد يعاني في منطقة ريفية، ويقوم بتعديل اعتماده على ذلك النموذج وفقاً لذلك. والأهم من ذلك، أن النظام لا ينتج مجرد رقم واحد لمستوى التلوث؛ بل يولد صورة كاملة لعدم اليقين. فهو يميز بين التباينات الطبيعية والعشوائية في التلوث التي تحدث في كل مكان، وبين عدم اليقين الناتج عن نقص البيانات في بقعة معينة. وهذا يسمح للنموذج بالاعتراف عندما يكون في حالة تخمين، موسعاً نطاق إجاباته المحتملة في المناطق التي لديه فيها معلومات قليلة، بينما يظل دقيقاً في الأماكن التي يمتلك فيها الكثير من البيانات.

لاختبار هذه الفكرة، أجرى الباحثون أولاً عمليات محاكاة مكثفة باستخدام بيانات اصطناعية معقدة تحاكي الطبيعة الفوضوية وغير المتوقعة لتلوث العالم الحقيقي. لقد أنشأوا سيناريوهات تتغير فيها مستويات التلوث بطرق غير خطية وتكون فيها البيانات موزعة بشكل غير متساوٍ، تماماً كما هو الحال في العالم الحقيقي. وفي هذه الاختبارات، تفوقت الطريقة الجديدة باستمرار على التقنيات الموجودة. وبينما كانت الأساليب القديمة إما تلتزم بجمود بافتراضاتها أو تفشل في التكيف مع الاختلافات المحلية، قام النظام الجديد بتكييف سلوكه مع البيانات. لقد أنتج تنبؤات أكثر دقة، والأهم من ذلك، قدم تقديرات لعدم اليقين كانت "معايرة" جيداً. وهذا يعني أنه عندما قال النظام إن هناك احتمال 95 بالمائة أن يقع المستوى الحقيقي للتلوث ضمن نطاق معين، فإن هذا النطاق استوعب القيمة الحقيقية في حوالي 95 بالمائة من المرات. كانت الأساليب القديمة غالباً ما تنتج نطاقات ضيقة جداً، مما يعطي شعوراً كاذباً بالأمان، أو واسعة جداً، مما يجعلها غير مفيدة. لقد نجح النظام الجديد في أن يكون دقيقاً وصادقاً بشأن حدوده في آن واحد.

بعد ذلك، طبق الباحثون طريقتهم على دراسة حالة من العالم الحقيقي في شرق نيو إنجلاند، وهي منطقة ذات تاريخ طويل في أبحاث تلوث الهواء والعديد من النماذج الموجودة لتقدير مستويات الجسيمات الدقيقة. لقد أخذوا ثلاثة نماذج متميزة ومنشورة، تستخدم مصادر بيانات وتقنيات مختلفة للتنبؤ بمستويات التلوث السنوية لعام 2011. تضمنت هذه النماذج نموذجاً يعتمد بشكل كبير على صور الأقمار الصناعية، وآخر يستخدم بنية هرمية معقدة لدمج القياسات الأرضية مع بيانات أخرى، وثالث يجمع بين عوامل جغرافية مختلفة مثل حركة المرور واستخدام الأراضي. وعندما أدخل الباحثون هذه النماذج الثلاثة في نظامهم الجديد، كانت النتائج مذهلة. لم يقم هذا التجمع الجديد بمجرد حساب متوسط النماذج الثلاثة؛ بل تعلم كيف يفضل النموذج الأكثر موثوقية لكل موقع محدد. فعلى سبيل المثال، في معظم أنحاء المنطقة، اعتمد النظام بقوة على النموذج الذي استخدم المربعات الصغرى الجزئية والكريجينج العالمي (partial least squares and universal kriging)، بينما في الطرف الغربي البعيد من منطقة الدراسة، نقل ثقته إلى النموذج القائم على الأقمار الصناعية.

كما قدم النظام تفصيلاً دقيقاً لسبب عدم اليقين في أماكن معينة. فقد كشف أنه في الأجزاء الشمالية والشمالية الغربية من المنطقة، حيث كانت محطات الرصد شحيحة، اختلفت النماذج فيما بينها بشكل كبير. وفي تلك المناطق، حدد النظام الجديد بدقة مستوى عالياً من عدم اليقين، مشيراً إلى أن التنبؤات كانت أقل موثوقية. وفي المقابل، بالقرب من المدن حيث توجد العديد من أجهزة الرصد، اتفقت النماذج، وانخفض مستوى عدم اليقين في النظام. هذه القدرة على تفكيك عدم اليقين هي أمر حيوي؛ فهي تسمح للعلماء برؤية ما إذا كان نقص الثقة ناتجاً عن اختلاف النماذج نفسها أو من العشوائية المتأصلة في بيانات التلوث. ومن خلال رسم خرائط لعدم اليقين هذه، استطاع الباحثون تحديد الأماكن التي تفشل فيها النماذج الحالية بدقة، وأين يجب تركيز جهود الرصد المستقبلية.

تشير النتائج إلى أن هذا النهج التكيفي يقدم تحسناً كبيراً مقارنة بالممارسات الحالية لتقدير التعرض لتلوث الهواء. فمن خلال الابتعاد عن الجمع الثابت للنماذج الذي يتبع مبدأ "مقاس واحد يناسب الجميع"، يقدم الأسلوب الجديد تنبؤات أكثر دقة وتقييماً أكثر صدقاً للمخاطر. وهذا ليس مجرد تمرين نظري؛ إذ يمكن استخدام التقديرات الناتجة مباشرة في الدراسات التي تربط التلوث بالنتائج الصحية، مما يضمن أن الاستنتاجات المستخلصة حول الأمراض والوفيات مبنية على أكثر البيانات موثوقية ممكنة. كما لاحظ الباحثون أنه بينما صُمم نموذجهم الحالي للمتوسطات السنوية، فإن الإطار مرن بما يكفي للتكيف مع السيناريوهات الأكثر تعقيداً والمتغيرة زمنياً في المستقبل. وفي نهاية المطاف، يوفر هذا العمل عدسة أكثر وضوحاً لرؤية التهديد غير المرئي لتلوث الهواء، مما يضمن أن الخرائط التي نستخدمها لحماية الصحة العامة ليست مفصلة فحسب، بل وموثوقة أيضاً.