Inteligența artificială ar putea ajuta oamenii să prezică viitoarele dezastre și pandemii, arată un studiu

• Pentru oamenii de știință, prezicerea momentului și a magnitudinii dezastrelor naturale este un obiectiv fundamental.
• Cu toate acestea, din cauza faptului că sunt atât de rare din punct de vedere statistic, nu există suficiente date pentru a le prognoza cu exactitate.
• Cercetătorii de la Universitatea Brown și de la Institutul de Tehnologie din Massachusetts spun că există modalități de a le prezice – cu ajutorul inteligenței artificiale.

Pentru oamenii de știință, prezicerea momentului și a magnitudinii dezastrelor naturale este un obiectiv fundamental. Cu toate acestea, din cauza faptului că sunt atât de rare din punct de vedere statistic, nu există suficiente date pentru a le prognoza cu exactitate.

Acum, cercetătorii de la Universitatea Brown și de la Institutul de Tehnologie din Massachusetts spun că există modalități de a le prezice – cu ajutorul inteligenței artificiale. Într-un nou studiu, aceștia au combinat algoritmii statistici, care necesită mai puține date pentru a face predicții precise, cu o puternică învățare automată (aplicarea inteligenței artificiale) pentru a trece cu succes peste nevoia de date excesive.

„Trebuie să realizezi că acestea sunt evenimente stocastice”, spune autorul studiului, George Karniadakis, profesor de matematică aplicată și inginerie la Brown, într-un comunicat al universității. „O izbucnire a unei pandemii precum COVID-19, un dezastru ecologic în Golful Mexic, un cutremur, incendii uriașe în California, un val de 30 de metri care răstoarnă o navă – acestea sunt evenimente rare și, pentru că sunt rare, nu avem multe date istorice. Nu avem suficiente mostre din trecut pentru a le prezice mai departe în viitor. Întrebarea pe care o abordăm în lucrare este: Care sunt cele mai bune date posibile pe care le putem folosi pentru a minimiza numărul de puncte de date de care avem nevoie?”.

Echipa a descoperit că utilizarea învățării active, o tehnică de eșantionare secvențială, a fost cea mai bună soluție. Acești algoritmi pot analiza datele introduse și, de asemenea, pot învăța din ceea ce a fost furnizat pentru a eticheta noi puncte de date care au o importanță egală sau mai mare. Cu alte cuvinte, se poate face mai mult cu informații minime. Modelul de învățare automată pe care l-au folosit se numește DeepOnet, un tip de rețea neuronală artificială care utilizează noduri interconectate și stratificate care pot imita conexiunile neuronale ale creierului uman.

Cum prezice sistemul evenimentele viitoare?

Două rețele neuronale lucrează într-una singură cu acest instrument, ceea ce îl face o resursă incredibil de puternică, care poate procesa date în ambele rețele. În cele din urmă, acest lucru permite analizarea extrem de rapidă a unor cantități mari de date, generând în același timp cantități la fel de mari de date ca răspuns. În această lucrare, cercetătorii au reușit să demonstreze că DeepOnet, împreună cu tehnicile de învățare activă, poate identifica cu precizie indicatorii unui eveniment dezastruos fără o mulțime de date disponibile.

„Ideea nu este de a lua toate datele posibile și de a le introduce în sistem, ci de a căuta proactiv evenimente care să semnifice evenimente rare”, spune Karniadakis. „S-ar putea să nu avem multe exemple de eveniment real, dar am putea avea acei precursori. Prin intermediul matematicii, îi identificăm, care, împreună cu evenimentele reale, ne vor ajuta să antrenăm acest operator avid de date.”

Echipa a constatat chiar că metoda lor ar putea depăși modelele convenționale și sunt de acord că cadrul lor ar putea crea un precedent pentru predicții mai eficiente ale evenimentelor naturale rare. În cazul valurilor de tip „rogue waves”, care sunt valuri distructive care au o dimensiune mai mare de două ori mai mare decât valurile înconjurătoare, ei au descoperit că pot descoperi când se vor forma valurile, analizând condițiile probabile de-a lungul timpului. În lucrarea lor, echipa discută modul în care oamenii de știință ar trebui să conceapă studiile viitoare pentru a limita costurile și a face previziuni cu o acuratețe și mai mare. Descoperirile sunt publicate în revista Nature Computational Science.