Az új mesterséges intelligencia képes megjósolni a jövő nagy katasztrófáit

A veszélyes fordulópontok előrejelzése az összetett rendszerekben már régóta komoly fejfájást okoz a tudósok számára. Most egy új AI-rendszer készen állhat arra, hogy elvégezze helyettük ezt a munkát.

A mesterséges intelligencia segítségével megjósolhatóak a katasztrofális fordulópontok

Informatikai kutatásokkal foglalkozó szaktudósok létrehoztak egy olyan új mesterséges intelligencia (AI) programot, amely képes előre jelezni a katasztrofális fordulópontok kialakulását – mint amilyenek például az ökológiai összeomlás, a nagy pénzügyi válságok, a világjárványok és a globális áramszünetek. "Ha előrejelezhető egy közelgő kritikus átalakulás, akkor felkészülhetünk a hatásaira, vagy akár meg is akadályozhatjuk az átmenetet, és ezzel mérsékelhetjük a károkat" - mondta a Live Science-nek Gang Yan, a tanulmány vezető szerzője, a kínai Tongji Egyetem számítástechnika-professzora. 

A mesterséges intelligencia konceptuális képe
Fotó: BBC

"Ez arra késztetett minket, hogy kidolgozzunk egy mesterséges intelligencia- alapú megközelítést, amellyel megjósolhatjuk az ilyen hirtelen átmenetek kezdetét, még azt megelőzően, hogy azok megtörténnének"-fűzte hozzá a professzor. A kutatók az ezzel kapcsolatos eredményeiket július 15-én tették közzé a Physical Review X folyóiratban. A fordulópontok azok a hirtelen eltolódások, amelyeken túl egy lokalizált rendszer vagy környezete olyan nemkívánatos állapotba változik, amelyből már nehéz visszatéríteni. Például, ha a grönlandi jégtakaró összeomlana, ez csökkentené a havazást a sziget északi részén, drasztikusan megemelve a tengerszintet, és a jégtakaró nagy része visszafordíthatatlanul elenyészne.

Az egyszerű elméleti rendszerek fordulópontjaiból indulnak ki

A drámai átalakulások hatásmechanizmusát vizsgáló tudomány azonban gyakran túlságosan leegyszerűsített modelleken alapul, ami megnehezíti a pontos előrejelzéseket. Korábban a tudósok statisztikákat használtak arra, hogy felmérjék a rendszerek csökkenő erejét és rugalmasságát a kimutatható, növekvő ingadozások alapján. 

Az ilyen statisztikai módszereket alkalmazó tanulmányok eredményei azonban ellentmondásosak. 

A veszélyes átmenetek előrejelzésének pontosabb módja érdekében az új tanulmány mögött álló kutatók két különböző típusú neurális hálózatot vagy algoritmust kombináltak, amelyek utánozzák az agy információfeldolgozásának módját. 

Az új mesterséges intelligencia (AI) program képes előre jelezni a katasztrofális fordulópontok kialakulását 
Fotó: Reuters

Az első a komplex rendszereket kölcsönható csomópontok nagy hálózataira bontotta, mielőtt követte volna a csomópontok közötti kapcsolatokat; a második pedig az egyes csomópontok időbeli változásait modellezte. "Például a pénzügyi rendszerekben csomópont lehet egyetlen vállalat; az ökológiai rendszerben a csomópontot pedig egy fajt jelenthet; míg a közösségi média rendszerében a csomópont egy felhasználót jelölhet és így tovább" - mondta Yan. 

Mivel a fordulópontokat nehéz megjósolni, mint ahogyan az is, hogy hol kell keresni őket, ezért ritkák a valós adatok a hirtelen bekövetkező kritikus átmenetekről. 

A kutatók a modelljükben ehelyett az egyszerű elméleti rendszereken belüli fordulópontokat állították központba – mint például az ökoszisztéma modelleket-, amelyekben elegendő az idő a fordulóponthoz vezető változások jeleinek a feltérképezésére.

Pontosan bevált az új AI- algoritmus jóslata

Miután a neurális hálózatuk elegendő adatot gyűjtött be, a kutatók a való világból származó problémát adtak a mesterséges intelligenciának: a trópusi erdők szavannává való átalakulását. Több mint 20 évnyi műholdas adatot vettek át Közép-Afrika három olyan régiójából, amelyekben ez a hirtelen átmenet megtörtént, majd a tudósok a csapadékról továbbá a fák lefedettségéről szolgáltattak információkat az algoritmusnak két régiót választva ki a modellezés elvégzésére. 

Az új AI-algoritmus pontos jóslatot adott 
Fotó: Science Photo Library/SERGII IAREMENKO

Ezekből az adatokból a mesterséges intelligencia pedig pontosan megjósolta, hogy mi történt a harmadik régióban, 

még akkor is, ha a rendszerek csomópontjainak (jelen esetben az érintett földterületeknek) a 81%-a észrevétlen maradt - mondták a kutatók. Miután sikeresen megjósoltak egy fordulópontot, a kutatók most olyan módszert keresnek, melynek segítségével az algoritmus  részleteiben is felvázolhatja az észlelt mintákat. Azt remélik, hogy ezután a modelljüket más rendszerekre, például erdőtüzekre, járványokra és pénzügyi összeomlásokra is alkalmazni tudják.

A legnagyobb kihívást az emberi rendszerek jelentik

Az embereket is magában foglaló rendszerek előrejelzésében az az egyik nagy kihívás, hogy hogyan reagálunk rájuk, és az előrejelzéseinket összetett módon visszacsatoljuk-e a viselkedésünkbe-írják a kutatók. "Például vegyük fontolóra a városi közlekedést: bár a zsúfolt utak azonosítása egyszerű lehet, a valós idejű torlódási információk közzététele minden járművezető számára könnyen káoszhoz vezethet" - mondta Gang. "A járművezetők az információra válaszul ugyanis azonnal megváltoztathatják az útvonalukat, ami egyes utakon csökkentheti ugyan a torlódásokat, de  máshol okozhat torlódást. 

Az új AI-algoritmus számára a legnehezebb feladatot az embereket is magában foglaló rendszerek fordulópontjainak meghatározása
Fotó: pexels.com

Az ilyen fajta dinamikus interakciók pedig különösen bonyolulttá teszik az előrejelzést"- véli a Tongji Egyetem számítástechnika-professzora. A kutatók úgy vélik, hogy az ehhez hasonló problémák elkerülése érdekében az emberi rendszerek azon részeire célszerű összpontosítani, amelyeket látszólag nem érintenek a szándékaink. Az úthálózati példánál maradva ezt úgy lehet megtenni, hogy azokra az útvonalakra fókuszálunk, amelyek az alapvető kialakításuk, nem pedig a járművezetők viselkedése miatt számítanak zsúfoltabbaknak. A mesterséges intelligencia alkalmazása nagyon értékes eszköz lehet a minden korábbinál pontosabb válsághelyzeti előrejelzések elkészítéséhez.