Oamenii de știință din domeniul informaticii au creat un program de inteligență artificială (AI) care poate prezice apariția unor puncte de cotitură catastrofale și vor să îl folosească pentru a prognoza colapsul ecologic, prăbușirile financiare, pandemiile și întreruperile de curent, potrivit Live Science.
„Dacă o viitoare tranziție critică poate fi prognozată, atunci ne putem pregăti pentru schimbare sau poate chiar preveni tranziția și, astfel, putem atenua daunele”, a declarat pentru Live Science autorul principal al studiului, Gang Yan, profesor de informatică la Universitatea Tongji din China. „Acest lucru ne-a motivat să dezvoltăm o abordare AI pentru a prezice debutul unor astfel de tranziții bruște cu mult înainte ca acestea să se întâmple”.
Cercetătorii și-au publicat rezultatele la 15 iulie în revista Physical Review X.
Ce sunt punctele de cotitură și tranzițiile critice
Punctele de cotitură sunt schimbări bruște dincolo de care un sistem localizat sau mediul său se schimbă într-o stare nedorită din care este dificil să se revină. De exemplu, dacă stratul de gheață al Groenlandei s-ar prăbuși, s-ar reduce, de asemenea, cantitatea de zăpadă din partea de nord a insulei, crescând drastic nivelul mării și făcând irecuperabile mari părți ale stratului.
Cu toate acestea, știința care stă la baza acestor transformări dramatice este puțin înțeleasă și se bazează adesea pe modele simplificate excesiv, ceea ce face ca predicțiile exacte să fie dificile. Anterior, oamenii de știință foloseau statistici pentru a evalua scăderea forței și a rezistenței sistemelor prin fluctuațiile lor în creștere. Însă rezultatele studiilor care utilizează astfel de metode statistice sunt controversate.
Pentru a căuta o modalitate mai precisă de a prezice tranzițiile periculoase, cercetătorii din spatele noului studiu au combinat două tipuri diferite de rețele neuronale sau algoritmi care imită modul în care informațiile sunt procesate în creier. Primul a descompus sistemele complexe în rețele mari de noduri care interacționează înainte de a urmări conexiunile dintre noduri, iar al doilea a urmărit modul în care nodurile individuale s-au schimbat în timp.
„De exemplu, într-un sistem financiar, un nod ar putea fi o singură companie; într-un sistem ecologic, un nod ar putea reprezenta o specie; într-un sistem social media, un nod ar putea indica un utilizator și așa mai departe”, a spus Yan.
Algoritmul AI a prezis cu exactitate ce urma să se întâmple, în cadrul scenariului din studiu
Deoarece punctele de cotitură sunt greu de prevăzut, este la fel de dificil să știm unde să le căutăm, ceea ce face ca datele din lumea reală privind tranzițiile critice abrupte să fie rare. Pentru a-și antrena modelul, cercetătorii au apelat, în schimb, la punctele de cotitură din cadrul unor sisteme teoretice simple - inclusiv ecosisteme model și metronoame nesincronizate care, cu suficient timp, încep să oscileze împreună.
Odată ce rețeaua lor neuronală a asimilat suficiente date, cercetătorii i-au dat o problemă din lumea reală: transformarea pădurilor tropicale în savană. Luând mai mult de 20 de ani de date din satelit din trei regiuni din Africa Centrală care au făcut această tranziție bruscă, oamenii de știință au furnizat algoritmului informații privind precipitațiile și acoperirea cu arbori în două dintre regiuni.
Din aceste date, inteligența artificială a prezis cu exactitate ce s-a întâmplat în a treia regiune, chiar și atunci când 81% din nodurile sistemului (în acest caz, bucăți de teren) nu au fost observate, au declarat cercetătorii.
Cercetătorii vor să prezică incendiile de vegetație, pandemiile și prăbușirile financiare
După ce au prezis cu succes un punct de cotitură, cercetătorii caută acum modalități de a deconstrui cutia neagră a algoritmului pentru a găsi modelele pe care le-a detectat. Ei speră apoi să aplice modelul lor la alte sisteme, cum ar fi incendiile de vegetație, pandemiile și prăbușirile financiare.
„De exemplu, luați în considerare transportul urban: deși poate fi simplu să identificăm drumurile aglomerate, anunțarea în timp real a informațiilor privind aglomerația tuturor șoferilor poate duce la haos”, a spus Gang. „Șoferii își pot modifica imediat rutele ca răspuns la informații, ceea ce ar putea reduce congestia pe unele drumuri, dar ar putea crea simultan congestie pe altele. Această interacțiune dinamică face predicția deosebit de complexă.”
Pentru a depăși această problemă, cercetătorii spun că se vor concentra în schimb pe părți ale sistemelor umane care nu sunt aparent afectate de intențiile noastre. În exemplul rețelei rutiere, acest lucru ar putea fi realizat prin observarea rutelor care sunt congestionate mai degrabă din cauza designului lor fundamental decât din cauza modului în care se comportă șoferii în ele.
„Utilizarea IA pentru a capta aceste semnale fundamentale poate fi valoroasă pentru a face predicții”, a declarat Yan. „Deși prezicerea unor astfel de sisteme este o provocare, merită, deoarece tranzițiile critice în sistemele cu implicare umană pot avea consecințe și mai grave.”