Assessing Feature Selection Strategies in INLA: TraditionalStepwise Regression versus Machine Learning

تخيل أنك محقق يحاول تخمين عدد الأشخاص الذين يعيشون في كل منزل في جميع أنحاء بلد شاسع يلفه الضباب. لا يمكنك زيارة كل منزل، لذا عليك تقديم تخمينات ذكية بناءً على أدلة مثل شكل الطرق، ونوع المباني، ومدى تباعد المنازل عن بعضها البعض. هذا هو عالم الإحصاء المكاني: فرع من العلوم مخصص لإجراء تنبؤات عن أماكن لم نقم بقياسها بعد، مع كوننا صادقين بشأن مدى عدم تأكدنا.

الجزء الصعب هو أن العالم فوضوي. فالمنازل المتقاربة غالبًا ما تبدو متشابهة (وهو مفهوم يسمى الارتباط الذاتي المكاني)، لكن القواعد التي تربط الأدلة بأعداد السكان يمكن أن تتغير من بلدة إلى أخرى (ما يعرف بـ التباين المكاني). ولحل هذه المعضلة، يستخدم العلماء النماذج البايزية، وهي تشبه دفتر ملاحظات المحقق المنظم للغاية؛ فهي لا تقدم مجرد تخمين واحد، بل تعطي نطاقًا من الإجابات المحتملة ودرجة ثقة لكل منها. ومع ذلك، للحصول على إجابة جيدة، عليك اختيار الأدلة الصحيحة. فإذا اخترت الأدلة الخاطئة، ستكون خريطتك خاطئة مهما كانت جودة دفتر ملاحظاتك. لعقود من الزمن، استخدم المحققون طريقة تقليدية خطوة بخطوة لاختيار الأدلة، ولكن ظهر جيل جديد من أدوات تعلم الآلة، واعدًا بالعثور على أنماط خفية قد تغفل عنها الطرق القديمة. السؤال الكبير هو: في لعبة التنبؤ بالسكان عالية المخاطر، هل لا يزال المحقق التقليدي هو الفائز، أم أن المحقق المدعوم بالذكاء الاصطعي قد استولى على زمام الأمور؟

---

رحلة البحث عن الأدلة الكبرى: المدرسة القديمة مقابل الذكاء الاصطوي الجديد

في هذه الدراسة، قرر الباحثان شيانغ-يوي هو وتشيبوزور كريستوفر ناناتو وضع استراتيجيتين مختلفتين للبحث عن الأدلة تحت الاختبار. لقد أجروا تجربة ضخمة في الكاميرون، وهي دولة تضم آلاف المناطق الصغيرة (تسمى مناطق التعداد) حيث كانوا بحاجة لتقدير عدد الأشخاص الذين يعيشون هناك. كان لديهم كومة هائلة من الأدلة المحتملة — 43 متغيرًا مختلفًا تتراوح بين أعداد المباني وأنواع المستوطنات — لكنهم علموا أنهم لا يستطيعون استخدامها جميعًا. إن استخدام الكثير من الأدلة يشبه محاولة حل لغز بقطع زائدة لا تنتمي إليه؛ فهذا يسبب الارتباك فحسب.

قارن الفريق بين طريقتين لاختيار أفضل الأدلة:

1. الانحدار التدريجي التقليدي (Stepwise Regression): هذه هي الطريقة "الموثوقة والقديمة". إنها تشبه المحقق الذي يفحص الأدلة واحدًا تلو الآخر، بإضافة أو إزالة الأدلة بناءً على قائمة مراجعة خطية صارمة. إنها بسيطة وسهلة الفهم، لكنها قد تفشل أحيانًا في رصد الروابط المعقدة أو ترتبك إذا بدا دليلان متشابهين للغاية.
2. نهج تعلم الآلة (ML): هذا هو "محقق الذكاء الاصطناعي". استخدموا أداتين قويتين: BART (أشجار الانحدار الإضافية البايزية)، وهي تشبه فريقًا من أشجار اتخاذ القرار التي يمكنها رصد الأنماط المعقدة وغير الخطية، و SVR (انحدار متجه الدعم)، وهو ممتاز في إيجاد أفضل الحدود في البيانات عالية الأبعاد. صُممت هذه الأدوات للعثور على أهم الأدلة حتى عندما تكون العلاقات فوضوية أو منحنية.

قام الباحثون بتغذية هذه الأدلة المختارة في محرك رياضي متطور يسمى INLA-SPDE. فكر في INLA-SPDE كمحاسب فائق السرعة والدقة يبني خريطة ثلاثية الأبعاد للسكان، ويملأ الفجوات بين المنازل التي زاروها، ويعطي "نطاق ثقة" (مقياس لعدم اليقين) لكل نقطة على الخريطة.

النتائج: المحقق الذكي يفوز بالقضية

كانت النتائج واضية وحاسمة بشكل مفاجئ. فعندما اختبر الباحثون مدى جودة تنبؤ النماذج بأعداد السكان الفعلية، اكتسحت النماذج المبنية باستخدام الأدلة المختارة بواسطة تعلم الآلة النماذج التقليدية التدريجية.

إليك ما أظهرته الأرقام:

• الدقة: قللت النماذج القائمة على تعلم الآلة من متوسط الخطأ المطلق (MAE) بنسبة 13% إلى 32%. وهذا يعني أن تخميناتها كانت أقرب بكثير إلى الأرقام الحقيقية.
• الإحكام: قللت من جذر متوسط مربع الخطأ (RMSE) بنسبة 8% إلى 34%، مما يشير إلى وقوع أخطاء جسيمة أقل.
• الانحياز: والأكثر إثارة للإعجاب، أنها قللت من الانحياز المطلق بنسبة 61% إلى 87%. الانحياز هو مثل خطأ منهجي حيث يخمن المحقق دائمًا "أعلى جدًا" أو "أقل جدًا". كانت نماذج تعلم الآلة أكثر عدلاً وتوازنًا.

كما نظرت الدراسة في مدى "تأكد" النماذج من إجاباتها. ووجدوا أن النماذج القائمة على تعلم الآلة لم تكتفِ بالتخمين بشكل أفضل فحسب، بل قدمت أيضًا خرائط أكثر وضوحًا وموثوقية لعدم اليقين. وفي بعض الحالات، أنتجت الطريقة التقليدية التدريجية خرائط واثقة ولكنها خاطئة، بينما كانت طرق تعلم الآلة أكثر صدقًا بشأن الأماكن التي تكون فيها البيانات شحيحة.

لماذا فشلت الطريقة القديمة؟

قد تتساءل: "إذا كانت الطريقة القديمة بسيطة للغاية، فلما لماذا فشلت؟" تشير الورقة البحثية إلى أن الطريقة التدريجية التقليدية جامدة نوعًا ما. فهي تبحث عن علاقات خطية مستقيمة وترتبك بسهولة عندما تكون الأدلة مترابطة (عندما يقول دليلان الشيء نفسه). وقد تستبعد دليلاً يبدو زائدًا ولكنه في الواقع ضروري لرصد نمط معقد.

في المقابل، أدوات تعلم الآلة (BART و S SVR) تشبه المحققين الذين يمكنهم رؤية الصورة الكاملة. يمكنهم التعامل مع الأدلة المتشابكة ويمكنهم إدراك أن العلاقة ليست خطًا مستقيمًا بل منحنى. ورغم أن الباحثين قاموا بتغذية هذه الأدلة "الذكية" مرة أخرى في محرك رياضي خطي تقليدي (INLA)، إلا أن حقيقة اختيارهم للأدلة الصحيحة هي التي صنعت كل الفرق. الأمر يشبه إعطاء آلة حاسبة عادية المكونات الصحيحة لصنع كعكة؛ حتى لو كانت الآلة الحاسبة بسيطة، فإن الكعكة ستكون لذيذة لأن المكونات كانت مثالية.

الخلاصة

هذه الدراسة لا تقول فقط "الذكاء الاصطناعي رائع". بل تثبت أنه عندما تحاول تقدير السكان في مناطق صغيرة ببيانات محدودة، فإن الجمع بين تعلم الآلة لاختيار الأدلة والنمذجة المكانية البايزية يخلق نتيجة متفوقة.

وجد الباحثون أن سير العمل هذا يعمل حتى عندما تكون البيانات شحيحة (أي عندما يكون هناك عدد قليل جدًا من القياسات الفعلية للبدء بها). وبينما لا تزال الطريقة التقليدية التدريجية مفيدة لبساطتها، تشير الدراسة إلى أنه من أجل الحصول على تقديرات سكانية أكثر دقة وموثوقية، يجب أن نترك المهمة الثقيلة لاختيار الأدلة لتعلم الآلة. والنتيجة هي خريطة ليست أكثر دقة فحسب، بل تمنحنا أيضًا فهمًا أفضل للأماكن التي نخمن فيها والأماكن التي نحن متأكدون منها.

في النهاية، تخلص الورقة إلى أن مسار عمل "ML-INLA-SPDE" هو أداة قوية وعملية يمكن تكييفها مع أماكن ومشكلات أخرى، مما يساعد العلماء والمخططين على اتخاذ قرارات أفضل ببيانات أقل وثقة أكبر.