Искусственный интеллект, разработанный в MIT, прогнозирует экстремальные погодные явления без исторических данных.

Окружающая среда и устойчивое развитие

Искусственный интеллект, разработанный в MIT, прогнозирует экстремальные погодные явления без исторических данных.

Инженеры Массачусетского технологического института разработали инструмент искусственного интеллекта, который прогнозирует экстремальные погодные явления без обучения на исторических данных о стихийных бедствиях.

Кай Чанг, аспирант в области машиностроения, и профессор Темис Сапсис разработали этот инструмент. Он создает карты событий, которые не фигурируют в исторических документах региона, но остаются статистически возможными. Каждая карта также содержит оценки вероятной продолжительности и интенсивности события, а также отдельную оценку площади, которую оно может затронуть.

Прогнозирование экстремальных погодных явлений без исторических прецедентов.

Сапсис занимает должность профессора имени Уильяма И. Коха в области машиностроения и океанотехники в Массачусетском технологическом институте (MIT). Оба исследователя работают в Центре вычислительной науки и инженерии MIT, а Сапсис также является сотрудником Института данных, систем и общества MIT. Метод, названный Extreme Event Aware или η-learning, описан ими в статье, опубликованной в журнале Nature Communications 20 августа.

Существующие модели оценки рисков работают иначе. Страховщики, городские планировщики и операторы энергосетей, как правило, хотят знать, как может выглядеть шторм, случающийся раз в столетие, в конкретном месте. Современные модели обычно основаны на наборах данных, уже содержащих информацию об экстремальных событиях, и изучают условия, которые их вызвали, прежде чем прогнозировать аналогичные закономерности в будущем.

Чанг утверждает, что нынешний подход ограничивает возможности подобных моделей. «Эти методы предполагают наличие в наборе данных очень катастрофических событий, и они либо строят метод для оценки риска этих событий, либо пытаются точно предсказать события, которые уже произошли», — говорит он.

Сапсис приводит в пример ураган Катрина. «Такое событие, как ураган Катрина, происходит каждые 30-40 лет, — добавляет он. — Какой будет Катрина, которая случается каждые 100 лет? Насколько она будет разрушительной? Именно это мы и пытаемся количественно оценить, чтобы помочь планировщикам подготовиться к вероятным экстремальным сценариям».

Сочетание точечной статистики с пространственной детализацией.

Алгоритм работает с двумя типами данных. Точечная статистика показывает, как часто в наборе данных встречается определенный уровень интенсивности, например, максимальное количество осадков, зарегистрированное на карте. Пространственные карты показывают, как меняется воздействие события в пределах региона.

Изучение статистической взаимосвязи между ними позволяет алгоритму создавать пространственные закономерности для событий, выходящих за рамки всего, что есть в обучающих данных, без необходимости в предварительных примерах именно этих крайних случаев.

Исследователи протестировали этот подход на данных об осадках по всей территории континентальной части США. Они взяли за основу данные об осадках за 25 лет, собранные в виде ежедневных карт, и рассчитали точечные статистические данные, описывающие, как часто максимальное количество осадков на карте достигало заданного уровня за весь период наблюдений.

Окно обучения пространственной модели было узким. Для обучения этой части алгоритма использовали парные карты низкого и высокого разрешения, полученные только за первые шесть месяцев 25-летнего периода наблюдений, то есть за период, в котором было мало или совсем не было примеров самых высоких уровней осадков.

Алгоритм изучил, как закономерности на картах низкого разрешения соответствуют деталям на версиях высокого разрешения, а затем применил точечную статистику из полной записи, чтобы ограничить степень экстремальности генерируемых закономерностей.

Тестирование инфраструктуры на картах наихудшего сценария.

Максимальное количество осадков, когда-либо зарегистрированное в Нью-Йорке, составляет 200 миллиметров. Этот метод позволяет создавать правдоподобные карты шторма, который, по данным наблюдений, выпадет 300 миллиметров осадков — уровень, которому нет аналогов.

Пользователь может попросить обученный алгоритм показать, как может выглядеть шторм, случающийся раз в столетие, для конкретного города. Результатом являются карты, отображающие статистически вероятные штормы с такой частотой. Каждая карта имеет свой размер и площадь покрытия, а интенсивность осадков также варьируется в пределах набора. По словам Чанга, алгоритм может генерировать большое количество таких сценариев одновременно.

Созданные карты могут помочь городу проверить свою берегоукрепительную дамбу на устойчивость к штормовому нагону, превышающему все зарегистрированные показатели. Те же карты могут показать, выдержит ли энергосистема длительную жару или смогут ли противопожарные ресурсы локализовать лесной пожар, превышающий по масштабу все зарегистрированные.

Ограничения демонстрации на данный момент

По словам Чанга и Сапсиса, применение этого метода к новой опасности требует наличия соответствующих точечных статистических данных и пространственных данных для этой конкретной опасности. Авторы указывают на возможные расширения, которые станут доступны после получения этих данных, например, визуализация сильных наводнений и лесных пожаров, не имеющих аналогов в исторических данных.

Сапсис отмечает, что глобальная инфраструктура оптимизирована для повышения эффективности, что практически исключает избыточность в поддерживаемых ею системах.

«Одно экстремальное событие за несколько недель распространяется по цепочкам поставок, энергетическим рынкам и продовольственным системам, — объясняет он. — Возможность оценить вероятность события, которое еще не произошло, теперь является вопросом национальной и экономической устойчивости».

См. также: Модели искусственного интеллекта Samsung для здравоохранения анализируют данные биосигналов, полученные с помощью носимых устройств.

Хотите узнать больше об искусственном интеллекте и больших данных от лидеров отрасли? Посетите выставку AI & Big Data Expo, которая пройдет в Амстердаме, Калифорнии и Лондоне. Это масштабное мероприятие является частью TechEx и проводится одновременно с другими ведущими технологическими выставками, включая Cyber Security & Cloud Expo. Для получения дополнительной информации нажмите здесь.

AI News — это проект TechForge Media. Здесь вы можете ознакомиться с другими предстоящими мероприятиями и вебинарами, посвященными корпоративным технологиям.

Источник: www.artificialintelligence-news.com