MITのエンジニアたちは、過去に記録された災害のデータを参照することなく、地域的な極端気象現象を予測できるAIツールを開発した。Kai ChangとProf. Themis Sapsisが開発し、Extreme Event Awareまたはη-learning（eta-learning）と名付けられたこの手法は、8月20日にNature Communications誌で発表された。このモデルは、ある地域の過去の記録には存在しないものの、統計的に発生する可能性がある事象について、マップと確率値を作成できる。
従来のリスクモデルの限界
保険会社、都市計画担当者、電力網の運用事業者は、特定の地域で世紀に一度起こり得る嵐がどのようなものになるのかを知りたいと考えることが多い。現在のシミュレーションは通常、極端な事象をすでに含んでいるデータセットを使用している。そのため、モデルが生成できるシナリオは制限される。研究者らは、既存の手法がデータセット内で過去に観測された災害に依存している一方、これまで発生したことのない潜在的な極端シナリオを測定するには不十分だと指摘している。
2種類のデータを組み合わせる
開発されたアルゴリズムは、2つの主要なデータ種を組み合わせて使用する。点統計は、マップ上で記録された最大降雨量など、特定の強度水準がデータセット内でどの程度の頻度で現れるかを示す。空間マップは、ある事象の影響が地域の異なる区域でどのように変化するかを反映する。システムは、この2種類のデータ間の統計的なつながりを学習することで、訓練データに含まれていない極端な事象に関する空間パターンを作成できる。
25年間の記録と6か月間の訓練試行
研究者らは、米国本土の降雨記録を用いてモデルを検証した。研究では、25年間の1時間ごとの降雨データを日次マップに変換し、点統計を抽出した。一方、空間モデルに使用する訓練範囲はかなり限定された。アルゴリズムのこの部分は、25年間の記録のうち最初の6か月間から得られた低解像度と高解像度のマップのペアのみを使用して訓練された。この6か月間には豪雨の事例が含まれていなかったにもかかわらず、システムは低解像度のパターンが高解像度の詳細とどのように対応するかを学習した。その後、点統計を使用して極端なシナリオを作成した。
300ミリメートルの降雨シナリオとインフラ試験
ニューヨーク市でこれまでに観測された最大降雨量は200ミリメートルだが、新たな手法は、観測記録に存在しない300ミリメートルの嵐について、統計的に妥当なマップを作成できる。これらのマップにより、都市は沿岸防護壁を記録的な高潮に対して試験し、電力網は長期間の熱波に対する耐久性を評価し、消防資源は大規模火災への対応能力を測定できる。
世界規模のシステムとレジリエンス
モデルを新たな種類の危険に適応させるには、対象分野に関する点統計と空間データが必要となる。この方法論は、気象現象に加え、ロボットナビゲーションや金融市場における急激な暴落の研究にも利用できる可能性がある。
研究者らは、世界のインフラシステムが効率性を重視して設計されており、1つの極端な事象がサプライチェーンやエネルギー市場に数週間以内に連鎖的な影響を及ぼすと指摘している。まだ発生していない事象に確率を割り当てられることは、経済および国家のレジリエンスにとって極めて重要だとしている。