MIT-ov algoritam generiše scenarije retkih ekstremnih događaja
Inženjeri MIT-a predstavili su algoritam Extreme Event Aware, odnosno η-learning, koji stvara verovatne scenarije ekstremnih događaja bez potrebe da je u skupu podataka već zabeležen sličan ekstrem. Metoda može da modeluje, na primer, oluju koja se javlja jednom u 100 godina i da prikaže njeno trajanje, intenzitet i prostor koji bi mogao da pogodi.
Rad Kaija Changa i Themisa Sapsisa objavljen je 20. avgusta u časopisu Nature Communications. Istraživanje odgovara na problem koji je važan za gradove, energetske sisteme, osiguravače i lance snabdevanja: retki događaji po definiciji imaju malo istorijskih primera, dok se procene rizika često oslanjaju upravo na takve zapise.
Model uči iz dostupnih obrazaca, a ne iz katastrofa
Uobičajeni modeli za procenu rizika zahtevaju podatke o prethodnim izuzetno razornim događajima kako bi simulirali buduće scenarije. η-learning je zamišljen drugačije. On uči statističke odnose iz raspoloživog skupa podataka i odbacuje vremenske scenarije koji nisu verovatni, a zatim generiše do tada nezabeležene, ali statistički moguće ekstreme.
Metoda spaja dve vrste informacija: statistiku tačaka i prostorne mape. Statistika opisuje učestalost dostizanja određenih maksimuma, dok mape daju oblik, veličinu i raspored pojave u prostoru. Tako se ne procenjuje samo kolika bi količina padavina mogla da bude dostignuta, već i gde bi se oluja mogla razviti, koliku bi oblast zahvatila i kakav bi intenzitet imala.
Test na padavinama u kontinentalnim Sjedinjenim Državama
Istraživači su pristup proverili na mapama budućih ekstremnih padavina nad kontinentalnim SAD. Pošli su od 25 godina satnih mapa padavina, koje su objedinili u dnevne mape. Iz celog zapisa izračunali su koliko se često najveća količina padavina na mapi približava određenom nivou.
Za učenje veze između mapa niske i visoke rezolucije algoritam je koristio uparene mape samo iz prvih šest meseci zapisa. Taj deo podataka sadržao je malo ili nimalo primera najekstremnijih nivoa padavina. Uprkos tome, kombinacija prostornih obrazaca i statističkih ograničenja omogućila je generisanje mogućih obrazaca koji prevazilaze nivoe prisutne u podacima za obuku.
Kao ilustraciju, MIT navodi scenario u kojem je rekordna zabeležena padavina u Njujorku 200 milimetara, dok model razmatra verovatnu oluju sa maksimumom od 300 milimetara. Korisnik može da zatraži više hiljada realizacija retkog događaja iste učestalosti, što omogućava poređenje različitih mogućih rasporeda, obuhvata i intenziteta.
Širi značaj za otpornost sistema
Pristup nije ograničen na vreme. Ako postoje odgovarajuće statistike tačaka i prostorni podaci, može se koristiti za vizualizaciju ekstremnih poplava i požara, a autori navode i robotsku navigaciju i finansijska tržišta kao druge oblasti primene.
Za poslovanje je praktična vrednost u testiranju odluka prema scenarijima koji nisu viđeni, ali nisu ni proizvoljni. Umesto oslanjanja isključivo na istorijski rekord, organizacije mogu da procenjuju kako bi infrastruktura, energija i nabavka reagovali na retke poremećaje i da planiraju otpornost na osnovu više statistički mogućih ishoda.