A Massachusetts Institute of Technology (MIT) kutatói 2024. augusztus 20-án megjelentettek egy tanulmányt a Nature Communications folyóiratban, amely egy η-learning nevű algoritmust mutat be. Az új módszer képes szélsőséges eseményeket előállítani anélkül, hogy valaha is szélsőséges eseményekből álló tanítóadatokat kapott volna.
Hogyan működik röviden?
Az η-learning a mindennapi, nem rendkívüli megfigyelések statisztikai szerkezetét tanulja meg, majd ebből képes teljes térbeli térképeket generálni olyan, korábban nem látott forgatókönyvekről. A szerzők példaként említik, hogy az algoritmus meg tudja jósolni, hol érne partot egy 300 mm csapadékkal járó vihar, mekkora területet érintene, milyen intenzív és mennyi ideig tartana.
Mire alkalmazható?
A szerzők szerint az eljárás nem csak időjárási veszélyekre használható: alkalmas árvizek, erdőtüzek, pénzügyi összeomlások és ellátási lánc zavarok előrealkotására is. A lényege, hogy nem a múlt szélsőségeiből tanul, hanem a normál adatokból következtet a lehetséges még nem látott szélsőségekre.
Miért számít ez?
A hagyományos mesterséges intelligencia rendszerek jellemzően a múltra támaszkodnak, hogy a jövőt modellezzék. Ez korlátozott, mert a jövő időnként olyan eseményeket produkál, amelyekhez a múltban nincs megfelelő példa (példaként a cikk megemlíti, hogy a Katrina hurrikán hozzávetőlegesen 30 éves esemény volt, és felteszi a kérdést, hogyan nézne ki egy 100 éves Katrina?). Az η-learning megközelítése lehetővé teszi, hogy iparágak — például kockázatárazók, biztosítók, infrastruktúra-tervezők, ellátási lánc menedzserek és pénzügyi piacok — hozzáférjenek olyan „valószínűsíthető legrosszabb forgatókönyvekhez”, amelyekhez nincs múltbeli adat.
Mit érdemes megjegyezni?
Az új módszer nem pusztán a modellek minőségének javításáról szól, hanem alapvetően másfajta képességet ad: a múlt nélkül is képes megragadni és térképezni a lehetséges extrémitásokat. Ez potenciálisan jelentős hatással lehet a kockázatkezelésre és a tervezésre számos szektorban, ugyanakkor a tanulmány részleteit és a módszer korlátait további vizsgálatokkal kell feltárni.
Konkrét dátum és elnevezés
- Publikáció: Nature Communications, 2024. augusztus 20.
- Intézmény: Massachusetts Institute of Technology (MIT)
- Algoritmus neve: η-learning
- Példa adat: 300 mm-es vihar forgatókönyv
- Hivatkozott esemény: Hurricane Katrina mint hozzávetőlegesen 30 éves esemény
Ez a cikk a kutatás lényegét és annak lehetséges jelentőségét ismerteti; a módszer belső mechanikáját és gyakorlati korlátait a szerzők részletesen a publikációban tárgyalják.
