Πώς προβλέπεις μια καταστροφή που δεν έχει συμβεί ποτέ; Ένα εργαλείο του MIT δοκιμάζει την απάντηση

Η μεγαλύτερη βροχόπτωση που έχει καταγραφεί ποτέ στη Νέα Υόρκη φτάνει τα 200 χιλιοστά. Το ερώτημα που απασχολεί πολεοδόμους, ασφαλιστές και διαχειριστές δικτύων δεν είναι όμως αυτό. Είναι: τι θα γινόταν αν έπεφταν 300;

Ένα εργαλείο τεχνητής νοημοσύνης που ανέπτυξαν μηχανικοί του MIT επιχειρεί να απαντήσει ακριβώς σε τέτοιες ερωτήσεις και το κάνει χωρίς να έχει δει ποτέ παρόμοιο γεγονός στα δεδομένα του.

Το πρόβλημα με τα υπάρχοντα μοντέλα

Τα σημερινά μοντέλα κινδύνου λειτουργούν αντίστροφα: μαθαίνουν από καταστροφές που έχουν ήδη συμβεί. Εντοπίζουν τις συνθήκες που παρήγαγαν ένα ακραίο φαινόμενο στο παρελθόν και προβάλλουν παρόμοια μοτίβα προς τα εμπρός.

Ο Kai Chang, μεταπτυχιακός φοιτητής μηχανολογίας στο MIT, εντοπίζει εκεί τον περιορισμό: οι μέθοδοι αυτές υποθέτουν εξ ορισμού ότι τα καταστροφικά γεγονότα υπάρχουν ήδη μέσα στο σύνολο δεδομένων και χτίζονται γύρω από αυτά.

Ο καθηγητής Θέμης Σαψής, που κατέχει την έδρα του William I. Koch στη Μηχανολογία και Ναυπηγική του MIT, το θέτει με ένα συγκεκριμένο παράδειγμα. Ένα γεγονός σαν τον τυφώνα Κατρίνα συμβαίνει κάθε 30 με 40 χρόνια. Το ερώτημα που τον απασχολεί είναι ποιος θα είναι ο Κατρίνα των εκατό ετών και πόσο άσχημα είναι κάτι που κανένα ιστορικό αρχείο δεν μπορεί να δείξει, ακριβώς επειδή δεν έχει συμβεί ακόμη.

Πώς δουλεύει η μέθοδος

Η μέθοδος ονομάζεται Extreme Event Aware (ή η-learning) και δημοσιεύτηκε στις 20 Αυγούστου στο επιστημονικό περιοδικό Nature Communications .

Ο αλγόριθμος συνδυάζει δύο διαφορετικά δεδομένα:

• Σημειακές στατιστικές – πόσο συχνά εμφανίζεται ένα δεδομένο επίπεδο έντασης σε ένα σύνολο δεδομένων. Για παράδειγμα, πόσο συχνά η μέγιστη βροχόπτωση σε έναν χάρτη φτάνει μια συγκεκριμένη τιμή.
• Χωρικοί χάρτες – πώς κατανέμεται η επίδραση ενός φαινομένου γεωγραφικά.

Μαθαίνοντας τη στατιστική σχέση ανάμεσα στα δύο, ο αλγόριθμος μπορεί να κατασκευάσει χωρικά μοτίβα για φαινόμενα εντονότερα από οτιδήποτε υπάρχει στα δεδομένα της εκπαίδευσής του, χωρίς να χρειάζεται προηγούμενα παραδείγματα αυτών ακριβώς των ακραίων τιμών.

Το πείραμα: 25 χρόνια δεδομένα, έξι μήνες εκπαίδευση

Η δοκιμή έγινε στις βροχοπτώσεις της ηπειρωτικής Αμερικής. Οι ερευνητές ξεκίνησαν από 25 χρόνια ωριαίων δεδομένων βροχόπτωσης, τα ομαδοποίησαν σε ημερήσιες χάρτες και υπολόγισαν τις σημειώσεις για όλη αυτή την περίοδο.

Το ενδιαφέρον βρίσκεται στο χωρικό σκέλος: εκπαιδεύτηκε χρησιμοποιώντας ζεύγη χαρτών χαμηλής και υψηλής ανάλυσης μόνο από τους πρώτους έξι μήνες του εικοσιπενταετούς αρχείου μια περίοδος που περιείχε ελάχιστα ή καθόλου παραδείγματα ακραίων βροχοπτώσεων.

Ο αλγόριθμος έμαθε πώς τα μοτίβα χαμηλής ανάλυσης αντιστοιχούν σε λεπτομέρεια υψηλής ανάλυσης, και στη συνέχεια χρησιμοποίησε τις στατιστικές ολόκληρου του αρχείου για να ορίσει πόσο ακραία μπορεί να γίνει το μοτίβο που παράγει.

Τι μπορεί να κάνει πρακτικά

Ο χρήστης ζητά από το εργαλείο να δείξει πώς θα έμοιαζε μια καταιγίδα «μία φορά στον αιώνα» για μια συγκεκριμένη πόλη. Το αποτέλεσμα είναι χάρτες στατιστικών εύλογων σεναρίων  καθένας με τη δική του έκταση, διάρκεια και ένταση. Ο αλγόριθμος μπορεί να παράγει μεγάλο όγκο τέτοιων σεναρίων ταυτόχρονα.

Οι εφαρμογές είναι συγκεκριμένες: μια πόλη μπορεί να ελέγξει αν το κυματοθραύστη της αντέχει σε παλιρροϊκό κύμα μεγαλύτερο από κάθε καταγεγραμμένο. Ένας διαχειριστής δικτύου μπορεί να δοκιμάσει το ηλεκτρικό σύστημα που θα κρατήσει σε μια καύσωνα μεγαλύτερης διάρκειας. Μια πυροσβεστική υπηρεσία μπορεί να υπολογίσει αν οι διαθέσιμοι πόροι της θα αρκούσαν για πυρκαγιά μεγαλύτερα από τα υλικά στα αρχεία.

Τα όρια – και γιατί έχει σημασία τώρα

Η μέθοδος δεν είναι έτοιμη για κάθε κίνδυνο. Για να υπάρξει κίνδυνος σε νέο τύπο φαινομένου απαιτούνται σχετικές σημειώσεις στατιστικές και χωρικά δεδομένα για τον συγκεκριμένο. Οι ερευνητές αναφέρουν ως πιθανές επεκτάσεις τις σοβαρές πλημμύρες και τις δασικές πυρκαγιές, μόλις υπάρξουν τα κατάλληλα δεδομένα.

Το επιχείρημα υπέρ της επείγουσας ανάγκης έρχεται από τον Σαψή, και δεν αφορά τον καιρό αλλά την οικονομία. Η παγκόσμια υποδομή έχει βελτιστοποιηθεί για αποδοτικότητα, με ελάχιστα περιθώρια αντοχής. Ένα και μόνο ακραίο φαινόμενο, όπως περιγράφει, διαδίδεται μέσα σε εβδομάδες στις εφοδιαστικές αλυσίδες, στις αγορές ενέργειας και στα συστήματα τροφίμων. Δεν μπορεί κανείς να αποδώσει πιθανότητα σε κάτι που δεν έχει συμβεί ακόμη γίνεται έτσι ζήτημα εθνικής και οικονομικής ανθεκτικότητας.

Η αναφορά αυτή έχει ιδιαίτερο νόημα και για τα ελληνικά δεδομένα, όπου πλημμύρες και πυρκαγιές των τελευταίων ετών ξεπέρασαν επανειλημμένα ό,τι θεωρούνταν «χειρότερο σενάριο» με βάση το ιστορικό αρχείο.

Πηγή: www.artificialintelligence-news.com