Probabilistic Emulation of the Community Radiative Transfer Model Using Machine Learning
تقدم هذه الورقة نموذجاً محاكياً احتمالياً قائماً على تعلم الآلة لنموذج انتقال الإشعاع المجتمعي، والذي يحقق دقة عالية في التنبؤ بدرجات حرارة السطوع وأخطائها، مما يوفر حلاً فعالاً من حيث الحوسبة للتغلب على الاختناقات في استيعاب الملاحظات الساتلية للتنبؤ بالطقس.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل الأرض كأنها أحجية عملاقة وفوضوية، حيث يمثل كل جزء منها نمطاً من أنماط الطقس، والهدف هو التنبؤ بكيفية تغير هذه الصورة غداً. ولحل هذه الأحجية، يستخدم العلماء حواسيب فائقة تعمل مثل "الكرات البلورية" التي تتنبأ بالمستقبل، ولكن هذه الكرات تحتاج إلى تغذيتها بجرعات مستمرة من الأدلة. أحد أثمن هذه الأدلة يأتي من الأقمار الصناعية التي تدور في المدار، حيث تلتقط صوراً للغلاف الجوي باستخدام الأشعة تحت الحمراء. ومع ذلك، هناك عقبة: برامج الكمبيوتر التي تترجم صور الأقمار الصناعية هذه إلى بيانات قابلة للاستخدام بطيئة للغاية ومتطلبة للغاية؛ فهي تشبه أميناً للمكتبة دقيقاً جداً ولكنه بطيء، يرفض إعارة الكتب ما لم يكن الطلب مثالياً، مما يترك جبلاً من البيانات غير المقروءة على الرف. تعيش هذه الورقة البحثية في عالم الأرصاد الجوية والتعلم الآلي، حيث تعالج مشكلة كيفية تسريع عمل هذا "الأمين" حتى نتمكن من استخدام المزيد من بيانات الأقمار الصناعية المتوفرة لدينا. المفاهحات الأساسية هنا هي "النقل الإشعاعي" (كيفية حركة الضوء عبر الغلاف الجوي)، و"الاستيعاب" (تغذية نموذج كمبيوتري بالبيانات لتصحيح توقعاته)، و"التعلم الآلي" (تعليم الكمبيوتر كيفية تعلم الأنماط من الأمثلة بدلاً من اتباع قواعد صارمة).
قرر مؤلفو هذه الورقة بناء نوع جديد من "الأمناء" باستخدام الذكاء الاصطناعي. فبدلاً من محاولة حساب فيزياء الضوء من الصفر في كل مرة — وهو ما تفعله الطريقة القديمة البطيئة — قاموا بتدريب شبكة عصبية لتعمل كـ "محاكي احتمالي" لنموذج (CRTM). فكر في (CRMT) كأنه طاهٍ ماهر يمكنه طهي وجبة مثالية ولكنه يستغرق ساعات للقيال بذلك؛ أما نموذج الذكاء الاصطناعي الجديد فهو يشبه "مساعد طاهٍ" شاهد الطاهي الماهر يقوم بعمله آلاف المرات، ويمكنه تحضير وجبة مطابقة تقريباً في جزء ضئيل من الوقت. ولكن هنا تكمن اللمسة الذكية: بخلاف الذكاء الاصطناعي القياسي الذي يكتفي بتخمين درجة حرارة واحدة، فإن هذا النموذج "احتمالي". فهو لا يقول فقط: "درجة الحرارة هي 20 درجة"، بل يقول: "درجة الحرارة من المرجح أن تكون 20 درجة، لكنني متأكد بنسبة 90% أنها بين 19.5 و20.5، وإذا كانت السماء غائمة، فأنا أقل تأكداً قليلاً". هذه القدرة على الاعتراف بعدم اليقين أمر بالغ الأهمية لخبراء الأرصاد الجوية الذين يحتاجون لمعرفة مدى إمكانية الثقة في البيانات.
ولاختبار هذه الفكرة، قام الفريق بتغذية الذكاء الاصطناعي بكمية هائلة من البيانات المحاكات التي أنتجها نموذج (CRTM) القديم والبطيء، تغطي 30 يوماً من الأنماط الجوية للقمرين الصناعيين (GOES-16) و(GOES-17). لقد علموا الذكاء الاصطناعي التنبؤ بدرجات حرارة السطوع لـ 10 قنوات مختلفة من الأشعة تحت الحمراء (القنوات من 7 إلى 16)، والأهم من ذلك، تعليمُه التنبؤ بمدى الخطأ الخاص به. كانت النتائج مبهرة؛ ففي المتوسط، كانت تنبؤات درجات الحرارة للذكاء الاصطناعي تنحرف بمقدار 0.3 كلفن فقط (حوالي 0.5 درجة فهرنهايت). وفي حالات السماء الصافية، كان الذكاء الاصطناعي أكثر دقة، حيث كان هامش الخطأ أقل من 0.1 كلفن في 9 من أصل 10 قنوات. هذا المستوى من الدقة يضاهي أفضل محاولات الذكاء الاصطناعي الحالية، ولكن مع ميزة إضافية وهي معرفة أخطائه الخاصة.
كما تحققت الورقة مما إذا كان الذكاء الاصطناعي "يتعلم" الفيزياء حقاً أم أنه مجرد يحفظ الإجابات مثل طالب يذاكر ليلة الامتحان. وباستخدام تقنية تسمى "الذكاء الاصطناعي القابل للتفسير"، نظروا فيما وراء الكواليس لمعرفة المدخلات الأكثر أهمية. ووجدوا أن الذكاء الاصطناعي فهم بشكل صحيح أن بخار الماء على ارتفاعات مختلفة في السماء يؤثر على القنوات المختلفة، وأن زاوية الشمس هي العامل الأكبر بالنسبة للقناة التي ترى ضوء الشمس المنعكس. وهذا يشير إلى أن الذكاء الاصطناعي قد استوعب القواعد الحقيقية للغلاف الجوي، وليس مجرد الأمثلة المحددة التي عُرضت عليه.
ومع ذلك، فإن الورقة حريصة على عدم إعلان النصر الكامل. فبينما يعد الذكاء الاصطناعي أسرع بخمس مرات من النموذج القديم على معالج كمبيوتر واحد، إلا أنه يعاني قليلاً عندما تكون السماء غائمة، ويميل إلى التقليل قليلاً من تقدير أخطائه عندما تصبح الأمور معقدة للغاية. يقترح المؤلفون أن النهج الأفضل في مركز أرصاد جوية حقيقي قد يكون نهجاً هجيناً: استخدام الذكاء الاصطناዊ السريع لمعظم المواقف، ولكن مع وجود "عتبة" حيث إذا قال الذكاء الاصطناعي: "أنا لست متأكداً جداً من هذا"، ينتقل النظام إلى النموذج القديم البطيء للتحقق من الأمر. وتخلص الدراسة إلى أن هذا الذكاء الاصطناعي الاحتمالي يمثل خطوة واعدة نحو استخدام الكميات الهائلة من بيانات الأقمار الصناعية التي يتم تجاهلها حالياً لجعل التوقعات الجوية أكثر دقة وموثوقية، ولكنه لا يزال بحاجة إلى الاختبار في الواقع الفعلي المعقد للعمليات اليومية قبل أن يتمكن من استبدال الطرق القديمة بالكامل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.