يستخدم العلماء التعلم الآلي للتأمل في المستقبل
أصبح من السهل الآن التنبؤ بالعمليات الفيزيائية الفوضوية بفضل خوارزمية جديدة.
في حين أن الماضي قد يكون نقطة ثابتة وغير قابلة للتغيير، يمكن للتعلم الآلي في بعض الأحيان أن يجعل التنبؤ بالمستقبل أسهل.
اكتشف باحثون في جامعة ولاية أوهايو مؤخرًا طريقة جديدة للتنبؤ بسلوك الأنظمة الفوضوية الزمانية المكانية، مثل التغيرات في طقس الأرض، التي يصعب على العلماء توقعها باستخدام نوع جديد من تقنيات التعلم الآلي تسمى حوسبة مكامن الجيل التالي.
يستخدم البحث، الذي نُشر مؤخرًا في مجلة Chaos: An Interdisciplinary Journal of Nonlinear Science ، خوارزمية جديدة تمامًا وعالية الكفاءة ييمكنها،عند دمجها مع حوسبة المكامن من الجيل التالي، تعلم أنظمة الفوضى الزمانية المكانية في جزء صغير من الوقت الذي تتطلبه خوارزميات التعلم الآلي التقليدية.
وضع الباحثون طريقتهم على المحك من خلال التنبؤ بسلوك نموذج الطقس في الغلاف الجوي، وهي مشكلة صعبة تم بحثها على نطاق واسع في الماضي. تعد خوارزمية فريق ولاية أوهايو أكثر دقة وتحتاج إلى بيانات تدريب أقل بـ 400 إلى 1250 مرة لتوليد تنبؤات أفضل من خوارزميات التعلم الآلي التقليدية المنافسة التي يمكنها القيام بنفس المهام. استخدموا جهاز كمبيوتر محمول يعمل بنظام التشغيل Windows 10 لعمل تنبؤات في جزء من الثانية، وهو ما يقرب من 240 ألف مرة أسرع من خوارزميات التعلم الآلي التقليدية. كما أن طريقتهم أقل تكلفة من الناحية الحسابية؛ في حين أن حل مشاكل الحوسبة المعقدة كان يتطلب في السابق حاسوبًا عملاقًا.
قال Wendson De Sa Barbosa ، المؤلف الرئيسي وباحث ما بعد الدكتوراه في الفيزياء في ولاية أوهايو: “هذا أمر مثير للغاية، حيث نعتقد أنه تقدم كبير من حيث كفاءة معالجة البيانات ودقة التنبؤ في مجال التعلم الآلي”. وقال إن تعلم التنبؤ بهذه الأنظمة شديدة الفوضى يمثل “تحديًا فيزيائيًا كبيرًا”، وفهمها يمكن أن يمهد الطريق لاكتشافات علمية جديدة واختراقات.
قال دي سا باربوسا: “تعد خوارزميات التعلم الآلي الحديثة مناسبة بشكل خاص للتنبؤ بالأنظمة الديناميكية من خلال تعلم قواعدها المادية الأساسية باستخدام البيانات التاريخية”. “بمجرد أن يكون لديك ما يكفي من البيانات والقدرة الحسابية، يمكنك عمل تنبؤات باستخدام نماذج التعلم الآلي حول أي نظام معقد في العالم الحقيقي.” يمكن أن تشتمل هذه الأنظمة على أي عملية فيزيائية، بدءًا من حركة بندول الساعة وانتهاءً بالاضطرابات في شبكات الطاقة.
قال دي سا باربوسا إنه حتى خلايا القلب تظهر أنماطًا مكانية فوضوية عندما تتأرجح بتردد أعلى بشكل غير طبيعي من نبضات القلب الطبيعية. وهذا يعني أنه يمكن استخدام هذا البحث يومًا ما لتوفير رؤية أفضل للتحكم في أمراض القلب وتفسيرها، بالإضافة إلى مجموعة من المشكلات “الواقعية” الأخرى.
وقال: “إذا عرف المرء المعادلات التي تصف بدقة كيفية تطور هذه العمليات الفريدة لنظام ما، فيمكن إعادة إنتاج سلوكه والتنبؤ به”. يمكن التنبؤ بسهولة بالحركات البسيطة، مثل موضع تأرجح الساعة، باستخدام موقعها الحالي وسرعتها فقط. ومع ذلك، يصعب التنبؤ بالأنظمة الأكثر تعقيدًا، مثل طقس الأرض، نظرًا لعدد المتغيرات التي تملي بنشاط سلوكها الفوضوي.
قال دي سا باربوسا إنه من أجل إجراء تنبؤات دقيقة للنظام بأكمله، يجب أن يكون لدى العلماء معلومات دقيقة حول كل واحد من هذه المتغيرات، والمعادلات النموذجية التي تصف كيفية ارتباط هذه المتغيرات العديدة، وهو أمر مستحيل تمامًا. ولكن باستخدام خوارزمية التعلم الآلي الخاصة بهم، فإن ما يقرب من 500000 نقطة بيانات تدريبية تاريخية مستخدمة في الأعمال السابقة لمثال الطقس الجوي المستخدم في هذه الدراسة يمكن تقليلها إلى 400 فقط، مع تحقيق نفس الدقة أو دقة أفضل.
للمضي قدمًا، يهدف De Sa Barbosa إلى تعزيز بحثه باستخدام الخوارزمية الخاصة بهم لتسريع عمليات المحاكاة الزمانية المكانية، على حد قوله.
“نحن نعيش في عالم ما زلنا نعرف القليل عنه، لذلك من المهم التعرف على هذه الأنظمة عالية الديناميكية ومعرفة كيفية التنبؤ بها بشكل أكثر كفاءة.”
المصدر: scitechdaily
شاهد المزيد:
