Retrieval-Corrected Conformal Prediction for Time Series

تخيل أنك خبير أرصاد جوية. تنظر إلى السحب، والرياح، وجهاز البارومتر، وتتنبأ بثقة: "سوف تهطل الأمطار في الساعة 2:00 مساءً". لكن الخبير الجيد يعلم أن الطبيعة مراوغة؛ فهو لا يعطي وقتاً واحداً فحسب، بل يعطي نافذة زمنية: "سوف تهطل الأمطار بين الساعة 1:45 مساءً و2:15 مساءً". تُسمى هذه النافذة "فاصل التنبؤ" (Prediction Interval). والهدف هو جعل هذه النافذة مثالية: ألا تكون واسعة جداً بحيث تصبح عديمة الفائدة (مثل قول "قد تمطر في وقت ما اليوم")، وألا تكون ضيقة جداً بحيث تباغتك الأمطار دون مظلة.

لبناء هذه النوافذ، يستخدم العلماء حيلة ذكية تسمى "التنبؤ المطابق" (Conformal Prediction). فكر في الأمر كعملية "فحص للمعايرة". قبل أن تثق في توقعاتك لغدٍ ما، تنظر إلى مدى خطأ توقعاتك في الماضي؛ فإذا كنت عادةً ما تخطئ بفارق 10 دقائق، فإنك تجعل نافذتك أوسع بمقدار 10 دقائق من كل جانب. يعمل هذا بشكل رائع إذا كان الطقس مملاً ويمكن التنبؤ به. لكن البيانات السلاسل الزمنية - مثل أسعار الأسهم، أو استهلاك الكهرباء، أو حركة المر traffic - تتغير باستمرار. "طقس" البيانات يتغير؛ فأحياناً تكون الأخطاء ضئيلة، وأحياناً تكون ضخمة. وإذا استخدمت قاعدة واحدة ثابتة لتحديد حجم النافذة، فقد تكون آمناً أكثر من اللازم عندما تكون الأمور هادئة، ومخاطراً بشكل خطير عندما تسود الفوضى.

هنا يأتي دور دراسة جديدة أجراها سانغ جين جين وزملاؤه من معهد أولسان للعلوم والتكنولوجيا الوطنية. إنهم يعالجون مشكلة كيفية بناء هذه النوافذ الآمنة للبيانات التي تغير رأيها باستمرار. يقترحون طريقة تسمى "التنبؤ المطابق المصحح بالاسترجاع" (Retrieval–Corrected Conformal Prediction - RCCP). بدلاً من التخمين حول حجم النافذة بناءً على كل أخطاء الماضي، أو فقط على أحدث الأخطاء، تعمل طريقتهم مثل أمين مكتبة ذكي للغاية؛ فهي تبحث في التاريخ لتجد لحظات تشبه اللحظة الحالية تماماً، وتجمع الأخطاء التي حدثت خلال تلك اللحظات المحددة، وتستخدمها لبناء نافذة مخصصة. ولكن إليك المفاجأة: لقد أدركوا أن مجرد جلب أخطاء الماضي المشابهة ليس كافياً لضمان السلامة. لذا، أضافوا خطوة "تصحيح" نهائية لإصلاح أي فجوات متبقية، مما يضمن أن تكون النافذة دقيقة وموثوقة في آن واحد.

المشكلة: فخ "المقاس الواحد الذي يناسب الجميع"

تخيل أنك تحاول تخمين الوقت الذي تستغرقه للمشي إلى المدرسة. إذا نظرت إلى تاريخ مشاويرك بالكامل، فقد تجد أنك أحياناً تركض (5 دقائق) وأحياناً أخرى تتعثر في الزحام (20 دقيقة). إذا أخذت المتوسط فقط، فقد تحدد نافذتك بـ 12 دقيقة. ولكن إذا كان اليوم هو يوم ثلاثاء ممطر مع حقيبة ظهر ثقيلة، فإن "المتوسط" لن يفيدك. أنت بحاجة إلى نافذة تعرف أنه يوم ثلاثاء ممطر.

حاولت الطرق القديمة حل هذه المشكلة من خلال النظر إلى أحدث المشاوير أو إعطاء وزن أكبر للأيام المتشابهة. لكن المؤلفين وجدوا خللاً: هذه الطرق غالباً ما تضعف الأدلة. قد تخلط بين يوم "مشابه" وبين يوم كان مختلفاً تماماً، أو قد تعتمد على رياضيات معقدة تصبح مربكة. الأمر يشبه محاولة العث finding إبرة في كومة قش عن طريق النظر إلى كومة القش بأكملها، أو بالنظر فقط إلى حفنة القش الأخيرة التي أمسكت بها؛ قد تفقد الإبرة، أو قد تمسك بقطعة من القش تشبه الإبرة لكنها ليست كذلك.

الحل: "أمين المكتبة المسافر عبر الزمن"

تعمل طريقة المؤلفين الجديدة، RCCP، عبر خطوتين متمايزتين، مثل فريق مكون من شخصين: المسترجع (Retriever) والمصحح (Corrector).

الخطوة 1: الاسترجاع (إيجاد التوائم)
أولاً، ينظر النظام إلى اللحظة الحالية (على سبيل المثال، يوم ثلاثاء ممطر مع حقيبة ظهر ثقيلة). ثم يغوص في "قاعدة معرفة" لجميع اللحظات الماضية. هو لا ينظر فقط إلى الأيام القليلة الماضية؛ بل يبحث عن أي لحظة ماضية تشعر بأنها مماثلة. رب Maybe يجد يوم ثلاثاء ممطر من ثلاث سنوات مضت حيث كنت تحمل أيضاً حقيبة ظهر ثقيلة.
بمجرد العث de على هؤلاء "التوائم"، ينظر النظام في مدى خطأ التوقع في تلك الأيام المحددة. هل وصلت في 5 دقائق أم في 20؟ بناءً على ذلك، يبني نافذة مخصصة، غير متماثلة (asymmetric)، تعتمد فقط على هؤلاء التوائم. إذا كان التوائم يتأخرون عادةً في الجانب الأيمن ولكنهم يصلون مبكرين في الجانب الأيسر، فإن النافذة تتمدد أكثر جهة اليمين. هذا هو جزء "الاسترجاع". إنه يشبه سؤال أصدقائك الذين مروا بنفس تجربتك بالضبط: "كم استغرق الأمر منكم؟".

الخطوة 2: التصحيح (شبكة الأمان)
هذا هو الجزء العبقري. أدرك المؤلفون أنه حتى لو وجدت التوائم المثاليين، فإن أخطاءهم الماضية قد لا تطابق الواقع الحالي تماماً. ربما كان التوائم غير دقيقين قليلاً، أو ربما كانت مكتبة التوائم صغيرة نوعاً ما. إذا استخدمت أخطاء التوائم كإجابة نهائية فقط، فقد تظل مخطئاً.
لذا، تضيف طريقة RCCP خطوة "تصحيح". تأخذ "النافذة المسترجعة" وتتحقق منها مقابل مجموعة منفصلة من البيانات لترى مقدار ما تحتاجه من تمدد أو انكماش لتكون آمنة بنسبة 100%. إنها تحسب "عامل تصحيح" واحداً - وهو رقم سحري. إذا كانت النافذة المسترجعة ضيقة جداً، يكون العامل 1.1 (تمددها بنسبة 10%). وإذا كانت واسعة جداً، يكون العامل 0.9 (قلصها بنسبة 10%).
هذا يفصل المهام: المسترجع يحدد شكل النافذة (هل هي واسعة؟ هل هي مائلة لجهة معينة؟)، والمصحح يحدد المقياس (ما هو الحجم الذي يجب أن تكون عليه لتكون آمنة؟).

ما وجدوه: نوافذ أكثر دقة وأماناً

اختبر الفريق هذه الطريقة على بيانات من العالم الحقيقي، بما في ذلك استخدام الكهرباء، وطاقة الرياح، والطاقة الشمسية. وقارنوا RCCP بطرق شائعة أخرى مثل التنبؤ المطابق المنقسم (Split Conformal Prediction) (طريقة المتوسط البسيط) و EnbPI (طريقة تتحدث بناءً على الأخطاء الأخيرة).

كانت النتائج مبهرة. في اختباراتهم، نجحت طريقة RCCp في تحقيق مستوى السلامة المستهدف (الوصول إلى "التغطية المستهدفة") في كل إعداد جربوه. أما الطرق الأخرى فقد أخفقت غالباً في تحقيق الهدف، فإما كانت واسعة جداً (مما يهدر المعلومات) أو ضيقة جداً (مما يؤدي إلى الخطأ كثيراً).

على وجه التحديد، نظروا إلى درجة تسمى "درجة وينكلر" (Winkler score)، والتي تقيس مدى جودة النافذة (كلما انخفضت الدرجة كان أفضل). حققت RCCP أدنى درجات وينكلر في جميع الاختبارات. وهذا يعني أن نوافذهم كانت الأكثر كفاءة: كانت ضيقة عندما تكون البيانات قابلة للتنبؤ، وواسعة عندما تكون فوضوية، دون التضحية بالسلامة.

ومن أكثر النتائج إثارة للاهتمام هي مسألة "الأخطاء الجسيمة". في بعض الأحيان، يفشل فاصل التنبؤ، وتكون القيمة الحقيقية خارج النافذة تماماً. وجد المؤلفون أن RCCP سجلت عدد أقل من الأخطاء الجسيمة. حتى عندما كانت مخطئة، كانت القيمة الحقيقية عادةً خارج النافذة بقليل فقط، وليس بعيداً جداً عنها. إنه الفرق بين الخطأ في الهدف ببوصة واحدة وبين الخطأ فيه بميل كامل.

كما تحققوا من سرعة الطريقة. وبينما استغرقت بعض الطرق الأخرى وقتاً طويلاً للحساب، كانت RCCP سريعة بشكل مفاجئ، حيث استغرقت حوالي 70 ثانية فقط للمعايرة على مجموعة بيانات (Air dataset) مقارنة بأكثر من 600 ثانية لبعض الطرق الأخرى. وهذا يشير إلى أنها ليست دقيقة فحسب، بل وعملية للاستخدام في الوقت الفعلي أيضاً.

لماذا يهم هذا؟

تشير الورقة البحثية إلى أنه من خلال الجمع بين "البحث عن الماضي المشابه" و"فحص السلامة النهائي"، يمكننا بناء شبكات أمان أفضل للمستقبل. ليس علينا أن نخمن ما إذا كان المستقبل سيكون مثل الماضي؛ بل يمكننا البحث عن الماضي المحدد الذي يطابق الحاضر، ثم نراجع عملنا.

يعترف المؤلفون بأن طريقتهم تعتمد على مدى جودة وصفهم لـ "اللحظة الحالية" للعثور على التوائم المناسبين. إذا كان الوصف سيئاً، فقد يفشل الاسترجاع. ولكن في الوقت الحالي، يبدو هذا النهج "المسترجع والمصحح" أداة قوية لأي شخص يحاول التنبؤ بما لا يمكن التنبؤ به، من متداولي الأسهم إلى مديري شبكات الطاقة. إنه يحول الفوضى العارمة في بيانات السلاسل الزمنية إلى قصة يساعدنا فيها الماضي على توجيهنا في المستقبل، خطوة واحدة مصححة تلو الأخرى.