Компјутерските научници развиле напредна програма за вештачка интелигенција способна да го предвиди почетокот на катастрофалните превртени точки, од еколошки колапс и финансиски колапс до пандемии и прекини на струја.
Програмата UI, создадена од физичарот Gang Yan од Tongji University (Shanghai, China) и неговиот тим, има за цел да обезбеди рани предупредувања за овие ненадејни и неповратни промени.
„Ако може да се предвиди претстојната критична транзиција, тогаш можеме да се подготвиме за промената или можеби дури и да ја спречиме транзицијата и на тој начин да ја ублажиме штетата“, тврди Yan.
Оваа мотивација ги наведе истражувачите да развијат нов пристап на вештачка интелигенција кој може да предвиди такви транзиции долго пред тие да се случат.
Врвните точки се однесуваат на ненадејни промени во кои системот или околината влегуваат во несакана состојба што е тешко, ако не и невозможно, да се врати назад. На пример, колапсот на ледената покривка на Гренланд може да доведе до намалени снежни врнежи и значително покачено ниво на морето, што ќе направи големи делови од ледената покривка неповратни.
Два типа на невронски мрежи
Науката која ги објаснува овие драматични трансформации одамна е тешко разбирлива и често се потпира на премногу поедноставени модели кои не даваат точни предвидувања. Традиционалните методи користеле статистички пристапи за мерење на отпорноста на системот, но тие биле контроверзни и често непрецизни.
За да се подобри точноста на предвидувањето, тимот на Yan комбинирал два типа на невронски мрежи, алгоритми кои симулираат обработка на информации слична на мозокот. Првата невронска мрежа разложила сложени системи во мрежи на меѓусебно поврзани јазли, додека втората ги следела промените во овие јазли со текот на времето. Јазол во овој контекст може да претставува било што, од компанија во финансиски систем до вид во еколошки систем.
Со оглед на тешкотијата во предвидувањето на превртните точки и недостатокот на податоци од реалниот свет, истражувачите го обучиле нивниот модел на едноставни теоретски системи, како што се модел на екосистем и синхронизирани метрономи.
Охрабрувачки резултати
Откако е оспособен, UI бил тестиран на податоци од реалниот свет, особено на трансформацијата на тропските шуми во саваните во Централна Африка. Користејќи повеќе од 20 години сателитски податоци од два региона, UI точно ја предвидел трансформацијата во трет регион, дури и со ограничени податоци за набљудување.
Охрабрени од овие резултати, истражувачите сега работат на разбирање на моделите идентификувани од UI, со цел да го применат моделот на други критични системи, вклучувајќи шумски пожари, пандемии и финансиски пазари.
Еден од значајните предизвици во предвидувањето на системите кои вклучуваат човечко однесување е тоа што луѓето имаат тенденција да реагираат на предвидувањата, често на непредвидливи начини. На пример, обезбедувањето информации за сообраќајниот метеж во реално време може да ги наведе возачите да ги променат своите маршрути, што би можело да го реши метежот во една област, но да создаде нови тесни грла на други места. Оваа динамична интеракција ги комплицира напорите за прогнозирање.
„Ќе имаме рани предупредувања“
За да се надмине овој проблем, истражувачите планираат да се фокусираат на аспектите на човечките системи кои се помалку под влијание на човечката намера, како што се маршрутите кои се хронично пренатрупани од дизајнот, а не од однесувањето на возачот.
„Користењето вештачка интелигенција за снимање на тие основни сигнали може да биде вредно за предвидување. Иако предвидувањето на таквите системи е предизвик, вреди бидејќи критичните транзиции во системите што вклучуваат луѓе може да имаат уште потешки последици“, објаснува Yan.
Со оваа нова UI алатка, научниците се надеваат дека ќе обезбедат рани предупредувања кои би можеле да спасат животи и да спречат катастрофи во различни домени, особено во контекст на климатските промени и постојаната закана од војна.
