>/BASH

سناریوهای مصنوعیِ بهینه‌شده انتشار آلاینده‌ها می‌توانند مدل‌های اقلیمی هوش مصنوعی را بهبود دهند

پژوهشگران MIT گزارش می‌دهند که سناریوهای مصنوعیِ به‌دقت بهینه‌شده انتشار آلاینده‌ها، پیش‌بینی‌های یک شبیه‌ساز جانشین اقلیم را برای سناریوهای ناآشنا بهبود داده‌اند. این روش می‌تواند نیاز به داده‌های آموزشی را کاهش دهد، اما آزمایش با یک مدل کامل سامانه زمین همچنان به آینده موکول است.

سناریوهای مصنوعیِ بهینه‌شده انتشار آلاینده‌ها می‌توانند مدل‌های اقلیمی هوش مصنوعی را بهبود دهند

بر اساس گزارش ۱۲ نوامبر ۲۰۲۶ ام‌آی‌تی نیوز، سناریوهای مصنوعیِ به‌دقت طراحی‌شده برای انتشار آلاینده‌ها می‌توانند به آموزش ابزارهای هوش مصنوعی سریع‌تر و سازگارتر برای بررسی اقلیم آینده کمک کنند. پژوهشگران دریافتند که در مقایسه‌های توصیف‌شده، یک شبیه‌ساز جانشین که با مجموعه‌داده‌ای کوچک‌تر و بهینه‌شده آموزش دیده بود، در سناریوهای ناآشنا بهتر از شبیه‌سازهای جانشین متعارف عمل کرد. گزارش، عددی برای میزان افزایش دقت یا برآورد عدم‌قطعیت ارائه نمی‌کند.

شبیه‌سازهای جانشین اقلیم، مدل‌های سریعی هستند که پاسخ‌های مدل‌های اقلیمیِ نیازمند محاسبات سنگین‌تر را تقریب می‌زنند. مدل‌های کامل سامانه زمین، فرایندها و برهم‌کنش‌های فیزیکی را با جزئیات بازنمایی می‌کنند و شبیه‌سازی یک سناریوی آینده با آن‌ها روی ابررایانه‌ها ممکن است ماه‌ها طول بکشد. شبیه‌سازهای جانشین می‌توانند در چند ثانیه اجرا شوند و امکان بررسی مسیرهای متعدد انتشار را فراهم کنند. بااین‌حال، تولید داده‌های آموزشی آن‌ها همچنان می‌تواند پرهزینه باشد.

پژوهشگران الگوریتمی توسعه دادند که با استفاده از یک مدل اقلیمی سریع و ساده‌شده، مسیرهای مصنوعی انتشار را به‌صورت تکراری تنظیم می‌کند. الگوریتم این مسیرها را برای بهبود عملکرد پیش‌بینی شبیه‌ساز جانشین تغییر می‌دهد تا خطا به آستانه‌ای تعیین‌شده برسد. برخلاف مسیرهای هموار انتشار که اغلب برای نمایش آینده‌های محتمل به کار می‌روند، سناریوهای بهینه‌شده شامل تغییرات ناگهانی و نوسان‌هایی هستند که هدفشان آشکار کردن اطلاعات بیشتر درباره سامانه شبیه‌سازی‌شده است.

در یکی از آزمون‌های گزارش‌شده، شبیه‌ساز حاصل توانست آثار کاهش یک آلاینده را در شرایطی بازنمایی کند که انتشار آلاینده‌های دیگر همچنان افزایش می‌یافت. به گزارش ام‌آی‌تی نیوز، شبیه‌سازهای متعارفِ ارزیابی‌شده در این آزمون ناموفق بودند؛ بااین‌حال، گزارش نه تعریف ناموفق بودن را مشخص می‌کند و نه تفاوت عملکرد را به‌صورت عددی بیان می‌کند. روند پیشنهادی برای تولید داده‌های آموزشی به اجرای تنها یک سناریو با مدل کامل سامانه زمین نیاز خواهد داشت، درحالی‌که گزارش، اجرای شش تا هشت سناریو را رویه معمول معرفی می‌کند. این یک صرفه‌جویی پیشنهادی در تولید داده است، نه بهبودی اندازه‌گیری‌شده در زمان اجرا.

این شواهد محدودیت‌های مهمی دارند. آزمایش روش با یک مدل کامل سامانه زمین همچنان در برنامه آینده است؛ بنابراین، قابلیت انتقال نتایج از مدل‌های ساده‌شده هنوز روشن نیست. گزارش ارائه‌شده، نام مدل‌ها، اندازه مجموعه‌های ارزیابی، تعریف خطا، نحوه تنظیم مدل‌های مبنای مقایسه و جزئیات جداسازی فرایند بهینه‌سازی از آزمون نهایی را بیان نمی‌کند. در نتیجه، استحکام نتایج و احتمال نشت اطلاعات آزمون قابل ارزیابی نیست. تطابق با پاسخ‌های شبیه‌سازی‌شده نیز دقت پیش‌بینی در دنیای واقعی یا اثربخشی سیاست‌ها را اثبات نمی‌کند.

ام‌آی‌تی نیوز عنوان پژوهش را «طراحی بهینه سناریو برای شبیه‌سازی جانشین اقلیم» اعلام کرده و گزارش می‌دهد که این مطالعه در نشریه Proceedings of the National Academy of Sciences منتشر می‌شود. خود مقاله در داده‌های ارائه‌شده موجود نبود؛ ازاین‌رو، جزئیات انتشار و داوری علمی آن با شواهد موجود به‌طور مستقل قابل تأیید نبود.

تصویر جلد با هوش مصنوعی تولید شده و تصویرسازی مفهومی است؛ مدرک پژوهش نیست.

منابع اصلی

پست این خبر در اینستاگرام