Watafiti wa MIT wameunda mbinu ya mafunzo ambayo hutoa mifano ya hali ya hewa ya AI ya haraka, inayoweza kubadilika kwa kutumia sehemu ya data inayohitajika kawaida, hatua ambayo wanasema inaweza kupunguza wakati wa uzalishaji wa zana hizi kutoka miezi au miaka hadi kitu kinachoweza kutumika zaidi kwa maamuzi ya sera. Utafiti unaonekana wiki hii katika Kesi za Chuo cha Kitaifa cha Sayansi.
Miundo inayozungumziwa ni waigaji wa hali ya hewa: mifumo ya utangulizi ya AI inayoiga mienendo ya mifumo mikubwa ya dunia (ESMs). ESM ndio kazi kuu ya sayansi ya hali ya hewa - uigaji mkubwa wa msingi wa fizikia ambao unaonyesha jinsi halijoto, mvua na viwango vya bahari hujibu kwa uzalishaji wa gesi chafu - lakini hali moja ya siku zijazo inaweza kuchukua miezi kukimbia kwenye nguzo ya kompyuta kuu. Waigaji, kinyume chake, huendeshwa kwa sekunde, kuruhusu wanasayansi kupima maelfu ya matukio, kuchunguza athari za kikanda na uchafuzi maalum, na kuripoti matokeo yasiyotarajiwa ya afua za sera. Kwa utangazaji unaoendelea wa jukumu la AI katika sayansi, fuata habari zetu za utafiti wa AI.
Tatizo: data ya mafunzo ya kweli hutengeneza miundo tete
Watafiti wanapounda kiigaji cha hali ya hewa, kwa kawaida huifunza kwa hali sita hadi nane za siku zijazo zinazofuata njia za kweli. Kila moja lazima iendeshwe kupitia ESM kamili ili kutoa data ya mafunzo, ambayo inafanya uzalishaji wa seti ya data kuwa wa gharama na polepole. Timu ya MIT hapo awali ilikuwa imegundua hali ya hila ya kutofaulu: waigaji waliofunzwa juu ya hali halisi wanaweza kufanya vibaya wanapoulizwa kutabiri hali zisizojulikana au riwaya - haswa hali ambazo watunga sera wanazidi kuhitaji kuchunguza.
"Algorithm yetu inaweza kutoa hali zingine za kushangaza ambazo hazionekani kama siku zijazo za kweli, lakini hatujali sana ikiwa hali za mafunzo ni za kweli," Christopher Womack PhD '26, ambaye sasa ni mwandishi wa posta huko ETH Zurich na mwandishi mkuu wa karatasi, katika Habari za MIT. "Tunajaribu tu kutengeneza mkusanyiko bora wa data ili kutoa mafunzo kwa kiigaji."
ESM moja inaendeshwa badala ya nane
Mbinu mpya inageuza bomba la kawaida. Badala ya kukusanya matukio ya kweli, algoriti hutengeneza hali ya usanifu iliyoboreshwa iliyoundwa ili kuongeza ujuzi wa kubashiri wa kiigaji mahususi. Mchakato huanza na hali ya kiholela inayoendeshwa kwa mtindo wa haraka na rahisi wa hali ya hewa, hupima jinsi emulator inavyozalisha matokeo kamili ya ESM, kisha inasumbua data ya mafunzo - kuongeza uzalishaji wa CO2 kwa kasi mwaka wa 2050, tuseme, au kukata methane haraka katika 2037 - hadi emulator iko chini ya kizingiti cha chini.
Matukio sintetiki yanayotokana hayaonekani kama njia laini za ulimwengu halisi. "Kwa kuanzisha wiggles hizi za juu-frequency na oscillations, data zetu huwezesha emulator kutoa habari nyingi zaidi kuhusu mfumo wa jumla," Womack alisema. Mafanikio ya vitendo ni makubwa: ambapo kujenga seti ya mafunzo mara moja inahitajika kuendesha ESM kamili mara sita hadi nane, mtumiaji sasa anahitaji kukimbia mara moja.
Kufaulu majaribio ya miundo ya kitamaduni kumeshindwa
Watafiti wanaripoti kwamba emulator iliyofunzwa na mbinu yao ilitabiri kwa usahihi matokeo ya hali ambayo haijawahi kuona wakati wa mafunzo, wakati waigaji wa jadi walishindwa kuzoea. Katika jaribio moja lililoangaziwa na Habari za MIT, emulator iliyofunzwa kwa usanii ilichukua kwa usahihi athari za sera ya kudhibiti uchafuzi wa ndani ambayo inapunguza uchafuzi mmoja wakati uzalishaji mwingine unaendelea kuongezeka - kesi ambapo waigaji waliofunzwa kwa kawaida walikagua walishindwa.
"Waigaji wa hali ya hewa wanafaa haswa kwa kuiga hali zinazohusiana na sera," Womack alisema. "Kwa kutumia mbinu yetu kutengeneza data iliyoboreshwa ya mafunzo kwa kiigaji, tunaweza kuharakisha utengenezaji wa viigizaji vinavyotegemewa zaidi, ili tuweze kuamini vyema matokeo yao ya kufanya maamuzi ya sera."
Kubadilika ni muhimu kwa sababu siku zijazo hazitafanana na seti ya mafunzo. "Katika siku zijazo, hakika tutaona hali ya hewa na hali ambazo hatujaona hapo awali," Selin alisema. "Ikiwa tunaweza kuiga matukio haya tofauti kwa nguvu zaidi, tunaweza kutoa taarifa za kuaminika zaidi kwa wadau wanaozihitaji."
Kwa nini muda ni muhimu
Mwandishi mwandamizi Noelle Selin, profesa katika Taasisi ya MIT ya Takwimu, Mifumo, na Jamii na Idara ya Dunia, Sayansi ya Anga na Sayari, na mkurugenzi wa Kituo cha Sayansi na Mkakati Endelevu, aliweka kazi hiyo kama suluhisho la usambazaji wa habari ya hali ya hewa yenyewe. Kwa sababu mafunzo ya viigizaji yanaweza kuchukua miezi au miaka, zana zinazopatikana kwa wapangaji mara nyingi huwa zimepitwa na wakati. "Kwa kupunguza wakati huo wa uzalishaji, nadhani mbinu hii itakuwa ya kubadilisha mchezo katika suala la kupata zana zilizosasishwa mikononi mwa watafiti na watendaji," alisema.
Maombi yanaenea zaidi ya taaluma: makadirio ya hali ya hewa ya kisasa yanaarifu maamuzi juu ya ustahimilivu wa gridi ya umeme, ulinzi wa afya ya umma na mipango ya kilimo. Timu hiyo pia ilijumuisha Shahine Bouabid, Andrei Sokolov, Popat Salunke na Glenn Flierl wa MIT, na Sebastian D. Eastham wa Imperial College London. Lengo linalofuata la watafiti ni kupanua mbinu hiyo ili waigizaji waendelee kuwa na nguvu kadiri sayari inavyoingia katika hali ya hewa bila mfano wa kihistoria.
---
Kaa Mbele ya AIPata habari za hivi punde za AI, uchanganuzi na mafanikio - yote katika sehemu moja.
Soma habari zaidi za AI →
