ابزار جدید MIT برای شبیه‌سازی سناریوهای رویدادهای حدی بدون نیاز به داده‌های قبلی

چه اتفاقی افتاد؟

گروهی از مهندسان MIT ابزاری مبتنی بر یادگیری ماشین توسعه داده‌اند که می‌تواند سناریوهای واقع‌گرایانه برای رویدادهای حدی و بی‌سابقه را تولید کند، حتی اگر داده‌ای از وقوع چنین رویدادهایی در گذشته وجود نداشته باشد. این الگوریتم با تحلیل داده‌های موجود، مانند رکوردهای روزانه آب‌وهوا، و بدون نیاز به نمونه‌های قبلی از رویدادهای شدید، سناریوهایی را شبیه‌سازی می‌کند که از نظر آماری محتمل و برای برنامه‌ریزی زیرساختی مفید هستند.

روش جدید با ترکیب آمار نقطه‌ای و نقشه‌های مکانی، می‌تواند ویژگی‌هایی مانند شدت، وسعت و مدت زمان رویدادهای حدی را پیش‌بینی کند. برای مثال، این ابزار می‌تواند نقشه‌هایی از بارش‌های بی‌سابقه یا طوفان‌هایی که هر صد سال یک‌بار رخ می‌دهند، تولید کند و به تصمیم‌گیرندگان کمک کند تا برای چنین سناریوهایی آماده شوند.

این الگوریتم که Extreme Event Aware یا «η-learning» نام گرفته، نه‌تنها در حوزه آب‌وهوا، بلکه در زمینه‌هایی مانند بازارهای مالی و ناوبری رباتیک نیز قابل استفاده است. به این ترتیب، امکان شناسایی و مدل‌سازی رویدادهای نادر و پرریسک در حوزه‌های مختلف فراهم می‌شود.

مانند سیل‌های بی‌سابقه یا سقوط بازارهای مالی، می‌توانند اثرات گسترده و مخربی بر زیرساخت‌ها، اقتصاد و زندگی روزمره داشته باشند. اما پیش‌بینی این رویدادها به دلیل نادر بودن و فقدان داده‌های تاریخی، همواره چالش‌برانگیز بوده است. الگوریتم جدید MIT این محدودیت را برطرف می‌کند و به تصمیم‌گیرندگان امکان می‌دهد تا برای سناریوهایی آماده شوند که پیش از این هرگز رخ نداده‌اند اما از نظر آماری محتمل هستند. این قابلیت می‌تواند به بهبود تاب‌آوری ملی و اقتصادی کمک کند و برنامه‌ریزی برای مقابله با بحران‌های آینده را واقع‌بینانه‌تر و علمی‌تر سازد.