جسر بين النماذج المثالية والتشغيلية: إطار عمل للذكاء الاصطناعي القابل للتفسير لمحاكيات نظام الأرض

لماذا تهم نماذج المناخ الأفضل

تشكل التنبؤات الموسمية والإسقاطات المناخية طويلة الأمد قرارات تتعلق بالأمن الغذائي وإدارة المياه والاستعداد للكوارث. ومع ذلك، حتى أكثر النماذج الحاسوبية تطوراً يمكن أن تخطئ في تقدير أنماط مهمة مثل ظاهرة النينا، التي قد تؤدي إلى تباين بين الجفاف والفيضانات في أنحاء العالم. تقدم هذه الورقة طريقة جديدة لجعل تلك النماذج المعقدة أكثر ذكاءً وجديرة بالثقة من خلال السماح لها "بالتعلّم" من نماذج أبسط ومضبوطة بعناية عبر شكل من أشكال الذكاء الاصطناعي القابل للتفسير.

نوعان من نماذج المناخ، ونوعان من القوة

تحاكي نماذج المناخ التشغيلية الحديثة نظام الأرض بأكمله بتفصيل دقيق، متتبعة الغلاف الجوي والمحيطات والأرض والجليد على شبكات عالمية. هي قوية لكنها غير كاملة: تميل إلى وجود انحياز في تمثيل الأحداث القصوى وإحصاءات الأنماط المتكررة مثل النينا والنينو. في الطرف الآخر توجد النماذج المثالية؛ وهي معادلات مبسطة تركز على عدد قليل من العمليات الأساسية، غالباً في منطقة واحدة أو على طول خط واحد عبر المحيط. وبما أنها بسيطة وسريعة، يمكن للعلماء ضبطها بعناية لتعيد سلوكيات وإحصاءات محددة بدقة عالية. لكن للأسف نادراً ما تلتقي هاتان العالمتان: فالنماذج التفصيلية معقدة للغاية لتعديلها يدوياً باستخدام رؤى من النماذج البسيطة، والنماذج البسيطة تفتقر إلى الحقول الغنية اللازمة للتنبؤات العملية.

جسر مبني بالذكاء الاصطناعي القابل للتفسير

يقترح المؤلفون "نموذجاً جسرية" يجمع بين نقاط القوة في كلا النهجين باستخدام ذكاء اصطناعي قابل للتفسير بدلاً من حل غامض. أولاً، يضغطون المخرجات الضخمة لنموذج مناخي معقد إلى تمثيل "كمون" مضغوط باستخدام مشفر تلقائي، وهو شبكة عصبية تتعلم كيف تعيد بناء الحقول الكاملة من مجموعة أرقام أصغر بكثير. ثم يُثرون هذه الحالة المضغوطة ببضع متغيرات رئيسية — مثل درجة حرارة سطح البحر وعمق طبقة المِثلث الحراري沿 محور الاستواء — المنتَجة من نموذج مثالي معروف بقدرته على مطابقة الملاحظات جيداً. تتعلّم شبكة عصبية ثانية كيف تتطور الحالة المضغوطة مع الزمن، بينما تقوم خطوة استيعاب البيانات بدفع هذه الحالة المتغيرة مراراً باتجاه الأنماط المستمدة من النموذج المثالي. وبما أن هذا التصحيح يتم عبر صيغ إحصائية مفهومة جيداً، فيمكن قياس وتتبع تأثير النموذج البسيط على النظام الكامل، مما يجعل العملية قابلة للتفسير.

تصحيح شكل وقوة وإيقاع ظاهرة النينا

لاختبار إطارهم، ركّز الباحثون على ظاهرة تذبذب النينا-النينو في المحيط الهادئ الاستوائي، التي تؤثر مراحلها الدافئة (النينو) والباردة (النينيا) بشدة على الطقس العالمي. العديد من النماذج المتقدمة، بما في ذلك تلك المستخدمة في مشروع المقارنة بين النماذج CMIP6، تكافح لتكرار تنوّع أحداث النينا: فبعضها يبلغ ذروته في شرق المحيط الهادئ، وبعضها في الوسط، وتختلف شدتها وتوقيتها من دورة إلى أخرى. باستخدام نماذج مثالية تلتقط إحصاءات هذه التباينات بدقة، يصحح النموذج الجسري بشكل كبير انحيازات نموذج تشغيلي رائد (CESM2). يُحسّن الأنماط المكانية لدرجات الحرارة السطحية وتحت السطح والرياح، ويتطابق مع توزيعات الاحتمال المرصودة والإيقاعات الموسمية لمؤشرات النينا، ويعيد سلسلة واقعية من الأحداث، بما في ذلك الحلقات القصوى وتلك متعددة السنوات.

استكشاف عوالم "ماذا لو" بسرعة ووضوح

بما أن الجسر يعمل على نسخة مضغوطة من النموذج الكامل، فهو أرخص بكثير في المحاكاة من النظام المناخي الأصلي: فمدة محاكاة تمتد لعقود تستغرق دقائق على حاسوب عادي بدلاً من الموارد الهائلة المطلوبة لنموذج عالمي كامل. تتيح هذه الكفاءة للعلماء توليد مجموعات كبيرة لدراسة النُدُر القصوى واستكشاف سيناريوهات "ماذا لو". على سبيل المثال، عبر تغيير معلمة تتغير ببطء في النموذج المثالي تمثل قوة رياح التجارة في المحيط الهادئ، يفحص المؤلفون مستقبلات تتميز بدوران جوي أضعف أو أقوى باستمرار. يستجيب النموذج الجسري بتحريك مكان وقوة حدوث أحداث النينا، بما يتوافق مع دراسات سابقة، لكن بتكلفة حاسوبية أقل بكثير. وبما أن التصحيحات تتم عبر خطوة استيعاب بيانات شفافة، يمكن للباحثين رؤية أي أجزاء من النظام تُوجَّه ومدى شدة هذا التوجيه.

نوع جديد من التوأم المناخي

بعبارات مبسطة، يتيح هذا الإطار لنموذج مناخي كبير ومفصّل "استعارة الحكمة" من نموذج بسيط ومفهوم جيداً دون أن يتحول إلى صندوق أسود غامض. التصرف الهجين الناتج يشبه التوأم الرقمي للنظام المناخي الحقيقي: يحافظ على الحقول الغنية وعالية الدقة اللازمة لدراسات الأثر مع مواءمة أنماطه وإحصاءاته الرئيسية مع كل من الملاحظات والنظرية المضبوطة بعناية. يجادل المؤلفون بأن هذا النهج يمكن توسيعه لمناطق أخرى، ولعدة نماذج، وحتى خارج علوم الأرض إلى أي نظام معقد تتعايش فيه نماذج بسيطة ومفصّلة. ومن خلال جعل التصحيحات قابلة للتفسير، يعزز عملهم التعاون الأوثق بين المجتمعات التي تبني النماذج المثالية وتلك التي تدير النماذج التشغيلية، ممهداً الطريق لتنبؤات أكثر موثوقية حول التطرفات المناخية التي تهم المجتمع.

الاستشهاد: Behnoudfar, P., Moser, C., Bocquet, M. et al. Bridging idealized and operational models: an explainable AI framework for Earth system emulators. npj Clim Atmos Sci 9, 65 (2026). https://doi.org/10.1038/s41612-026-01334-7

الكلمات المفتاحية: النينا, نمذجة المناخ, الذكاء الاصطناعي القابل للتفسير, استيعاب البيانات, التوائم الرقمية