Faites confiance à la machine – elle sait ce qu’elle fait

Faites confiance à la machine - elle sait ce qu'elle fait

Gutiérrrez et al montrent que les programmes d’apprentissage automatique qui sont largement utilisés dans la science du climat permettent de mieux comprendre le système climatique. Crédit: TiPES / HP

Selon une étude publiée dans la revue, l’apprentissage automatique, lorsqu’il est utilisé dans la science du climat, permet de mieux comprendre le système climatique. le chaos par Manuel Santos Gutiérrez et Valerio Lucarini, Université de Reading, Royaume-Uni, Mickäel Chekroun, l’Institut Weizmann, Israël et Michael Ghil, Ecole Normale Supérieure, Paris, France. Cela signifie que nous pouvons faire confiance à l’apprentissage automatique et à approfondir ses applications dans la science du climat, affirment les auteurs.

Homme ou machine

Il est souvent difficile de travailler avec des modèles climatiques de grande taille et complexes, car ils doivent fonctionner pendant des mois sur des supercalculateurs. Comme alternative, les climatologues étudient souvent des modèles simplifiés.

En général, deux approches différentes sont utilisées pour simplifier les modèles climatiques: Une approche descendante où les experts en climat estiment quel impact les fonctions laissées de côté auront sur les parties conservées dans le modèle réduit. Et une approche ascendante, où les données climatiques sont alimentées par un programme d’apprentissage automatique, qui simule ensuite le système climatique.

Les deux méthodes donnent des résultats comparables. Cependant, il est difficile de comprendre physiquement les approches basées sur les données (ascendantes) pour leur faire pleinement confiance. Les programmes d’apprentissage automatique «  comprennent-ils  » qu’ils ont affaire à un système dynamique complexe ou sont-ils simplement bons pour deviner statistiquement les bonnes réponses?

Solution intelligente

Maintenant, un groupe de scientifiques prouve analytiquement et à l’aide de simulations informatiques, qu’un programme d’apprentissage automatique appelé Empirical Model Reduction (EMR) sait en fait ce qu’il fait. L’étude montre que ce programme informatique atteint des résultats comparables aux réductions descendantes des modèles plus grands, car l’apprentissage automatique construit sa propre version d’un modèle climatique dans son logiciel.

«Je pense que ce que nous faisons dans cette enquête est de donner une sorte de preuve physique de la raison pour laquelle ce protocole particulier basé sur les données fonctionne. Et cela pour moi est assez significatif, car la méthode est dans les sciences atmosphériques depuis assez longtemps. Pourtant, il y avait encore beaucoup de lacunes dans la compréhension des méthodologies », déclare Ph.D. l’élève Manuel Santos Gutiérrez.

Encourageant et utile

L’étude indique que la méthode d’apprentissage automatique est dynamique et physique et produit des simulations robustes. Selon les auteurs, cela devrait motiver la poursuite de l’utilisation de méthodes basées sur les données dans la science du climat ainsi que dans d’autres sciences.

« C’est une étape très encourageante. Parce que dans un certain sens, cela signifie que la méthode basée sur les données est intelligente. Ce n’est pas un émulateur de données. C’est un modèle qui capture les processus dynamiques. Il est capable de reconstruire ce qui se cache derrière le Et cela indique que ces dérivations théoriques vous donnent un objet qui est algorithmiquement utile », explique Valerio Lucarini, professeur de mécanique statistique à l’Université de Reading.

Le résultat est important dans une gamme de domaines: mathématiques appliquées, physique statistique, science des données, science du climat et science des systèmes complexes. Et cela aura des implications dans une gamme de contextes industriels, où des systèmes complexes et dynamiques sont étudiés mais où seules des informations partielles sont accessibles – comme l’ingénierie des avions, des navires, des éoliennes, ou dans la modélisation du trafic, les réseaux d’énergie, les réseaux de distribution.

L’étude fait partie du projet européen Horizon 2020 TiPES sur les points de basculement dans le système terrestre. TiPES est administré par l’Université de Copenhague, au Danemark.


Des prévisions climatiques bien améliorées grâce à la mécanique statistique


Plus d’information:
Manuel Santos Gutiérrez et al, Modèles d’ordre réduit pour les systèmes dynamiques couplés: méthodes pilotées par les données et opérateur Koopman, Chaos: un journal interdisciplinaire de science non linéaire (2021). DOI: 10.1063 / 5.0039496

Informations sur le journal:
le chaos

Fourni par l’Université de Copenhague

Citation: Faites confiance à la machine – elle sait ce qu’elle fait (1er juin 2021) récupéré le 1er juin 2021 sur https://techxplore.com/news/2021-06-machineit.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.