🤖 machine learning

GHGbench: A Unified Multi-Entity, Multi-Task Benchmark for Carbon Emission Prediction

تقدم هذه الورقة البحثية GHGbench، وهو معيار مرجعي مفتوح وموحد للتنبؤ بانبعاثات الكربون على مستوى الشركات والمباني يعالج تشتت البيانات من خلال توفير مجموعات بيانات متناغمة واسعة النطاق، ويكشف أن التعميم خارج نطاق التوزيع هو التحدي الرئيسي، حيث تتفوق النماذج التأسيسية للبيانات الجدولية وتضمينات الاستشعار عن بعد متعددة الوسائط بشكل كبير على الخطوط المرجعية التقليدية.

المؤلفون الأصليون: Yifan Duan, Siyuan Zheng, Lihuan Li, Chao Xue, Flora Salim

نُشر 2026-05-14

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yifan Duan, Siyuan Zheng, Lihuan Li, Chao Xue, Flora Salim

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 أنك تحاول التنبؤ بمقدار التلوث الذي ينتجه شيئان مختلفان تمامًا: شركة عملاقة ومبنى مكتبي واحد.

لفترة طويلة، كان محاولة القيام بذلك باستخدام أجهزة الكمبيوتر يشبه محاولة مقارنة التفاح بالبرتقال باستخدام مقاييس مختلفة، ووحدات قياس مختلفة، وبيانات مبعثرة عبر آلاف الخزائن الملفية المغلقة. بعض البيانات كان مخفيًا خلف جدران دفع، وبعضها كان بلغات مختلفة، وبعضها كان مفقودًا ببساطة.

GHGbench هو "المترجم العالمي" و"أرض الاختبار" الجديد الذي بناه المؤلفون لإصلاح هذه الفوضى. فكر فيه كأنه مستوى في لعبة فيديو مفتوحة المصدر حيث يمكن لنماذج الذكاء الاصطناعي المختلفة أن تتسابق لترى من الأفضل في التنبؤ بانبعاثات الكربون.

إليك تقسيم بسيط لما فعلوه وما وجدوه:

1. "المساران" للعبة

يحتوي المعيار على مستويين متميزين، لأن الشركات والمباني وحوش مختلفة تمامًا.

مسار الشركة (العملاق المؤسسي): يستخدم هذا المستوى بيانات من أكثر من 12,000 شركة. الأمر يشبه محاولة تخمين تلوث شركة بناءً على حجمها، والقطاع الذي تنتمي إليه (مثل الخدمات المصرفية أو التكنولوجيا)، وتقاريرها المالية. لقد جمع المؤلفون 32,000 سجل من هذه البيانات.
مسار المبنى (الكتلة الخرسانية): هذا المستوى أصعب بكثير. يستخدم بيانات من ما يقرب من 100,000 مبنى فردي في 26 مدينة عبر الولايات المتحدة وأستراليا وسنغافورة. الأمر يشبه محاولة تخمين كمية الكهرباء التي يستهلكها منزل معين بمجرد النظر إلى عنوانه، وحجمه، والطقس. لقد قاموا بتوحيد البيانات من 13 بوابة مدينة مختلفة في تنسيق واحد نظيف.

2. قواعد السباق

لم يترك المؤلفون نماذج الذكاء الاصطناعي تخمن بشكل عشوائي، بل وضعوا قواعد صارمة لمعرفة ما إذا كانت النماذج ذكية حقًا أم أنها تقوم فقط بحفظ الإجابات:

اختبار "نفس الحي": هل يمكن للنموذج التنبؤ بانبعاثات المباني التي رآها من قبل؟ (الوضع السهل).
اختبار "المدينة الجديدة": هل يمكن للنموذج التنبؤ بانبعاثات مدينة لم يرها من قبل؟ (الوضع الصعب). هذا يشبه تعليم طالب في نيويورك ثم اختباره في سيدني.
اختبار "السفر عبر الزمن": هل يمكن للنموذج التنبؤ بانبعاثات العام المقبل بناءً على بيانات هذا العام؟

3. المفاجآات الكبرى (ما وجدوه)

قام المؤلفون بتشغيل أنواع مختلفة من الذكاء الاصطناعي (من النماذج الرياضية البسيطة إلى "نماذج التأسيس" المتطورة التي تشبه الأدمغة فائقة الذكاء) ووجدوا ثلاثة أشياء رئيسية:

المفاجأة رقم 1: المباني أصعب من الشركات.
التنبؤ بتلوث شركة يشبه تخمين وزن شخص بناءً على طوله ووظيفته؛ فهو أمر يمكن التنبؤ به إلى حد ما. أما التنبؤ بتلوث مبنى فيشبه تخمين وزن شخص بناءً على عنوانه، لأنه يعتمد على أشياء غير مرئية مثل عدد الأشخاص بالداخل، ومتى يشعلون الأضواء، ومدى قدم الثلاجة. البيانات لا تخبرك بهذه الأشياء، لذا يعاني الذكاء الاصطناعي أكثر.
المفاجأة رقم 2: مشكلة "المدينة الجديدة" ضخمة.
الفجوة الكبرى في الأداء لم تكن بين نماذج الذكاء الاصطناعي المختلفة؛ بل كانت بين "رؤية البيانات من قبل" و"رؤيتها للمرة الأولى".
- التشبيه: تخيل طالبًا يحفظ إجابات اختبار رياضيات. سيحصل على 100% في هذا الاختبار. ولكن إذا أعطيته اختبارًا بنفس المسائل الرياضية ولكن بعملة دولة أخرى، فقد يفشل.
- النتيجة: فشلت معظم النماذج فشلًا ذريعًا عند انتقالها إلى مدينة جديدة. ومع ذلك، كان هناك نموذج محدد يسمى TabPFN (نموذج تأسيس الجداول) وهو الأول الذي أظهر قدرته على تعلم قواعد اللعبة بدلاً من مجرد حفظ الإجابات، متفوقًا على النماذج القياسية القديمة عند الانتقال إلى مدن جديدة.
المفاجأة رقم 3: صور الأقمار الصناعية هي السلاح السري للمدن الجديدة.
عندما تعثرت نماذج الذكاء الاصطناعي في تخمين الانبعاثات في مدينة جديدة، ساعدت إضافة صور الأقمار الصناعية للمباني.
- التشبيه: إذا كان لديك فقط قائمة عناوين (نصوص)، فقد تخمن أن منزلًا في مدينة ثلجية يتم تدفئته بشكل مختلف عن منزل في مدينة حارة. ولكن إذا استطعت رؤية السقف في صورة قمر صناعي، يمكنك معرفة ما إذا كان مغطى بالثلج، أو يحتوي على ألواح شمسية، أو محاط بالأشجار. منحت صور الأقمار الصناعية الذكاء الاصطناعي "دليلًا بصريًا" ساعده على التعميم في أماكن لم يسبق له رؤيتها.

4. الإخفاقات "الكارثية"

يسلط البحث الضوء أيضًا على الأماكن التي ينهار فيها الذكاء الاصطناعي تمامًا.

انهيار "انتقال المدينة": عندما يتم الانتقال من مدينة بها الكثير من البيانات إلى مدينة بها القليل منها، لم تكتفِ بعض النماذج بأن تصبح أسوأ قليلاً؛ بل انهارت تمامًا، وقدمت تنبؤات خاطئة تمامًا (مثل التنبؤ بأن مبنى ينتج تلوثًا بالسالب).
سقف "عامل القطاع": محاولة تخمين الانبعاثات بمجرد البحث عن "رقم تلوث قياسي" لصناعة معينة (على سبيل المثال: "كل البنوك تنتج مقدار X من التلوث") هو أمر غير دقيق للغاية. إنه يفتقر إلى التفاصيل المحددة لكل شركة على حدة، مما يؤدي إلى أخطاء فادحة.

الملخص

GHGbench هو مجموعة أدوات تسمح للباحثين أخيرًا بمقارنة نماذج الذكاء الاصطناعي بشكل عادل. وهو يوضح أنه بينما أصبح الذكاء الاصطناعي جيدًا في التنبؤ بتلوث الشركات التي يعرفها جيدًا، فإن التنبؤ بانبعاثات المباني الجديدة في مدن جديدة لا يزال أمرًا صعبًا للغاية. ومع ذلك، فإن استخدام نوع معين من "نماذج التأسيس" جنبًا إلى جنب مع صور الأقمار الصناعية هو المسار الأكثر واعدًا لحل هذا اللغز.

لقد جعل المؤلفون كل الأكواد، ووصفات البيانات، والنتائج متاحة للجميع، حتى يتمكن العلماء الآخرون من البناء على هذا العمل دون الحاجة إلى البدء من الصفر.

ملخص تقني لـ GHGbench: معيار موحد متعدد الكيانات ومتعدد المهام للتنبؤ بانبعاثات الغازات الدفيئة

بيان المشكلة
يعد التنبؤ الكمي بانبعاثات الغازات الدفيئة (GHG) على مستوى الكيان أمراً بالغ الأهمية للسياسات المناخية، والتمويل، والعمليات الحضرية. ومع ذلك، يفتقر المجال إلى منظومة معيارية مفتوحة وموحدة. فالموارد الحالية مجزأة: تعتمد الدراسات على مستوى الشركات غالباً على خلاصات بيانات مرخصة (مثل CDP أو Bloomberg) ذات مخططات بيانات غير متوافقة، بينما تتوزع بيانات مستوى المباني عبر بوابات المدن مع معايير إبلاغ متفاوتة. وبناءً على ذلك، يصعب مقارنة النماذج بناءً على مهام مفتوحة وقابلة لإعادة الإنتاج تعكس التحولات الواقعية في الجغرافيا، والزمن، ومخطط البيانات. علاوة على ذلك، تقيم المعايير الحالية إما الشركات أو المباني بشكل منعزل، مما يؤدي إلى الفشل في معالجة الاختلافات الهيكلية في صعوبة التنبؤ بين هذين النوعين من الكيانات، أو في اختبار التعميم تحت تأثير تحولات التوزيع (مثل النقل عبر المناطق أو المدن).

المنهجية
يقدم المؤلفون GHGbench، وهو مجموعة بيانات ومعيار مفتوح مصمم لتقييم التنبؤ بانبعاثات الكربون على مستويي الشركة والمبنى معاً ضمن مجموعة مهام مشتركة.

بناء مجموعة البيانات:
- مسار الشركات: يحتوي على 32,830 سجلاً (شركة-سنة) لـ 12,087 شركة (2018–2023). يدمج الإفصاحات العامة عن الغازات الدفيئة (النطاق 1+2 والنطاق 3) مع الإشارات المالية (الإيرادات، الأرباح قبل الفائدة والضرائب، القيمة السوقية) والبيانات القطاعية (عوامل ExioML/EXIOBASE). يتم إصدار البيانات كسكربت إعادة بناء باستخدام واجهات برمجة تطبيقات عامة مجانية لاحترام شروط المصدر.
- مسار المباني: يوحد 491,591 سجلاً (مبنى-سنة) من 13 مصدراً مفتوحاً عبر 26 منطقة حضرية في الولايات المتحدة وأستراليا وسنغافورة. يعمل على توحيد تصنيفات العقارات، والإحداثيات، والأهداف السنوية للكربون. تم تعزيز مجموعة البيانات بمتغيرات مناخية من NASA POWER وتضمينات الاستشعار عن بعد متعددة الوسائط من Sentinel-2 + Clay.
تصميم المعيار:
- المهام: يحدد المعيار تقسيمات نموذجية للتراجع داخل التوزيع (in-distribution regression)، والنقل عبر المناطق/المدن (ترك واحد خارج المجموعة)، والاحتجاز الزمني، واختبار الإجهاد عبر أنواع العقارات، والتنبؤ قصير الأمد.
- بروتوكول التقييم: يتم الإبلاغ عن جميع النتائج الرئيسية كمتوسط عبر عدة بذور (seeds) مع فترات ثقة 95% مشتقة من اختبارات bootstrap مزدوجة لـ 1,000 عينة من الصفوف المختبرة المشتركة. يضمن ذلك الصرامة الإحصائية في ادعاءات ترتيب النماذج.
- النماذج المرجعية (Baselines): يشمل التقييم المراجع البدائية، والتعلم الآلي الكلاسيكي (Ridge، Random Forest، XGBoost، LightGBX)، والشبكات العصبية (MLP، FT-Transformer)، ونماذج التأسيس للسلاسل الزمنية (Chronos، TimesFM، Moirai)، ونموذج التأسيس للبيانات الجدولية (TabPFN v2). كما تم تقييم لجنة من النماذج اللغوية الكبيرة (LLM) لمسار الشركات.

المساهمات الرئيسية

مجموعة بيانات مفتوحة موحدة: أول مجموعة بيانات ومعيار مفتوح يقيم انبعاثات الشركات والمباني معاً عبر 26 مدينة و12,000+ شركة، مع ميزات التقسيمات النموذجية والإشارات متعددة الوسائط.
إطار تقييم صارم: مجموعة مهام متعددة مع بروتوكولات إحصائية صارمة (اختبار دلالة bootstrap مزدوج) للتمييز بين التحسينات الحقيقية للنماذج والتباين، خاصة في حالات التوزيع خارج النطاق (OOD).
إصدار مفتوح المصدر: يتضمن الكود، ووصفات إعادة بناء البيانات، وحزمة التشغيل السريع لضمان قابلية إعادة الإنتاج دون الحاجة للوصول إلى خلاصات البيانات المملوكة لجهات أخرى.

النتائج واللقاءات الرئيسية
يسجل البحث ثلاث نتائج رئيسية على مستوى المعيار:

عدم التماثل في صعوبة التنبؤ بين الكيانات: انبعاثات المباني أصعب هيكلياً في التنبؤ من انبعاثات الشركات. فبينما تهيمن أحجام الشركات على الانبعاثات (الإيرادات هي المتنبئ الأعلى)، تعتمد انبعاثات المباني على عوامل غير مرصودة مثل جداول الإشغال، وفترات التشغيل، وسلوك الشاغلين. نتيجة لذلك، فإن أفضل نموذج للمباني (TabPFN v2، حيث $R^2 \approx 0.48$ ) يقل أداؤه بشكل كبير عن أفضل نموذج للشركات (XGBoost، حيث $R^2 \approx 0.88$ ).
هيمنة الفجوة بين التوزيع الداخلي والخارجي (ID-to-OOD): الفجوة في الأداء بين إعدادات التوزيع الداخلي (ID) والتوزيع خارج النطاق (OOD) تفوق أي فروق في الأداء بين النماذج داخل نفس الإعداد.
- في مسار المباني، يتسبب النقل عبر المدن في انهيار الأداء للنماذج القائمة على الأشجار (مثلاً، ينخفض $R^2$ لنموذج LightGBM من ~0.41 إلى ~0.03).
- والجدير بالذكر أن TabPFN v2 هو أول نموذج مرجعي يحقق فجوة ذات دلالة إحصائية (بناءً على اختبار bootstrap مزدوج) فوق نماذج الأشجار المعززة المتدرجة المضبوطة في مهمة انبعاثات المباني متعددة المدن ومتعددة المصادر في إعداد OOD ( $R^2 = 0.482$ مقابل $0.41$ لـ LightGBM). ويُعزى هذا التفوق إلى التدريب المسبق داخل السياق (in-context pretraining) وليس إلى البنية وحدها.
الرفع متعدد الوسائط في إعدادات النقل: توفر تضمينات الاستشعار عن بعد متعددة الوسائط (Sentinel-2 + Clay) مكاسب ضئيلة في إعدادات التوزيع الداخلي (حيث تكفي الميزات الجدولية مثل خطوط الطول والعرض)، لكنها تقدم تحسينات ملموسة في النقل عبر المدن. فهي تعمل كسابقة جغرافية قابلة للتعميم حيث يفشل التعميم الجدولي.

أنماط الفشل المنهجية
يكشف المعيار عن أنماط فشل محددة:

النقل الكارثي للمدن: يتباين الأداء بشكل حاد حسب المدينة؛ حيث تظهر بعض المدن (مثل سياتل وهوبارت) قيم $R^2$ سالبة للنماذج الشجرية، مما يشير إلى تحولات توزيع شديدة.
سقف البحث عن عوامل القطاع: تفشل عمليات البحث البسيطة عن عوامل القطاع (مثل ExioML) في استيعاب حجم مستوى الشركة، وغالباً ما تبالغ في التقدير بعدة مراتب بالنسبة لقطاعات فرعية معينة (مثل الخدمات المالية).

الأهمية والادعاءات
يضع المؤلفون GHGbench كخطوة ضرورية نحو تقييم مفتوح وقابل للمقارنة للتنبؤ بانبعاثات الكربون، مما ينقل المجال بعيداً عن الاعتماد على البيانات المحجوبة خلف جدران الدفع. يدعي البحث بتواضع أن المعيار يكشف أين ينجح التعلم العميق ونماذج التأسيس الحالية (التعلم الجدولي داخل السياق) وأين يفشلون (التعميم عبر المدن بدون مقدمات متعددة الوسائط). كما يحدد "سقف البحث عن عوامل القطاع" و"النقل الكارثي للمدن" كتحديات منهجية يجب أن تعالجها الأبحاث المستقبلية. العمل لا يدعي حل مشكلة التنبؤ بالكربون، بل يوفر البنية التحتية لقياس التقدم بصرامة.