تطرق بحث علمي حديث، عرضه معهد كاليفورنيا للتقنية ونشرته دورية الأكاديمية الوطنية الأمريكية للعلوم، إلى قدرة الذكاء الاصطناعي على توقع نقاط التحول في الأنظمة المعقدة، ومحاولة تحديد الموضع الذي تعجز فيه الخبرات السابقة عن تفسير المستقبل.
تحدي التنبؤ بالتحولات غير المسبوقة
واجه الباحثون مشكلة الأنظمة التي تتغير بمرور الزمن، حيث قد تؤدي التغيرات المتراكمة إلى انتقال حاد في سلوكها، مثل اختفاء السحب المنخفضة فوق المحيطات نتيجة ارتفاع ثاني أكسيد الكربون، أو تغير تدفق الهواء حول أجنحة الطائرات مما يفقدها القدرة على الرفع. وتكمن الصعوبة في كيفية جعل الآلة تتوقع تحولاً لم تتدرب على أمثلة سابقة له.
آلية العمل باستخدام المؤثر العصبي المتكرر
استخدم الباحثون بنية تسمى «المؤثر العصبي المتكرر»، والتي تعمل على الاحتفاظ بتمثيل لتاريخ النظام لمساعدته في توقع تطوره، بحيث لا تتعامل الآلة مع اللحظة الحالية بمعزل عما سبقها. ولتجاوز حدود الذاكرة التي تقتصر على ما وقع بالفعل، تم دمج قيود فيزيائية لاختبار دقة التوقعات.
الخطأ كإشارة لمعرفة جديدة
اعتمد المنهج على فحص مدى اتفاق المسار المتوقع مع القيود الفيزيائية؛ فحين يتجاوز الخطأ الفيزيائي عتبة محددة، يُعد ذلك إشارة إلى نقطة التحول المتوقعة. وبدلاً من اعتبار الخطأ في التوقع مجرد رقم مزعج، يتم استخدامه كدلالة على اقتراب التحول، مع إضافة إطار إحصائي لتقدير عدم اليقين وتجنب الإنذارات الخاطئة.
نتائج الاختبارات والمحاكاة
أظهرت الاختبارات نجاح الطريقة في توقع التحول في محاكاة السحب قبل وقوعه بأكثر من عامين. كما اختبر الباحثون الطريقة على محاكاة تدفق الهواء حول جناح، وتمكنوا من توقع التحولات باستخدام معرفة محدودة بالمعادلات الحاكمة، مما يفتح آفاقاً لاستخدام المعرفة الجزئية في فهم الأنظمة المعقدة دون الحاجة للإحاطة الكاملة بها.
