Учёные в области информатики разработали программу на базе искусственного интеллекта (ИИ), способную предсказывать наступление катастрофических переломных моментов. Они планируют использовать её для прогнозирования экологических коллапсов, финансовых кризисов, пандемий и отключений электроэнергии.
Исследование было опубликовано 15 июля в журнале Physical Review X.
Переломные моменты представляют собой резкие изменения, после которых локальная система или её окружающая среда переходят в нежелательное состояние, из которого трудно вернуться. Например, если ледяной покров Гренландии разрушится, это приведёт к снижению уровня снегопадов на севере острова, что вызовет резкий рост уровня моря и сделает значительные части ледяного покрова невозвратными.
Однако наука, лежащая в основе этих драматических трансформаций, слабо изучена и часто основывается на чрезмерно упрощённых моделях, что затрудняет точное прогнозирование. Ранее учёные использовали статистику для оценки снижения устойчивости и сопротивляемости систем по их возрастающим колебаниям. Однако результаты исследований, использующих такие статистические методы, остаются спорными.
Чтобы найти более точный способ прогнозирования опасных переходов, исследователи, стоящие за новым исследованием, объединили два различных типа нейронных сетей, или алгоритмов, имитирующих обработку информации в мозге. Первая из них разбивала сложные системы на большие сети взаимодействующих узлов, а затем отслеживала связи между этими узлами; вторая следила за тем, как отдельные узлы изменялись со временем.
Поскольку переломные моменты трудно предсказать, определить, где именно их искать, столь же сложно, что делает реальные данные о резких критических переходах редкими. Вместо этого для обучения своей модели исследователи обратились к переломным моментам в простых теоретических системах, включая модельные экосистемы и расстроенные метрономы, которые, со временем, начинают колебаться синхронно.
После того как их нейронная сеть поглотила достаточно данных, исследователи предложили ей реальную задачу: преобразование тропических лесов в саванны. Используя более 20 лет спутниковых данных из трёх регионов Центральной Африки, где произошло это резкое преобразование, учёные предоставили алгоритму информацию о осадках и покрытии деревьями в двух из этих регионов.
По словам исследователей, на основании этих данных ИИ точно предсказал, что произошло в третьем регионе, даже когда 81% узлов системы (в данном случае участков земли) остались незамеченными.
Успешно предсказав один переломный момент, исследователи теперь ищут способы деконструировать черный ящик алгоритма, чтобы найти обнаруженные им закономерности. Затем они надеются применить свою модель к другим системам, таким как лесные пожары, пандемии и финансовые кризисы.
Одна из проблем в прогнозировании систем с участием людей заключается в том, что мы изучаем наши собственные прогнозы и реагируем на них, сложными способами встраивая наши прогнозы в наше поведение.
Чтобы обойти эту проблему, исследователи планируют сосредоточиться на частях человеческих систем, которые, по-видимому, не подвержены нашим намерениям. В примере с дорожной сетью это можно сделать, рассмотрев маршруты, которые перегружены больше из-за их фундаментальной конструкции, а не из-за поведения водителей на них.
