MIT mühendisleri, geçmişte kaydedilmiş felaketlere ait verilere başvurmadan bölgesel aşırı hava olaylarını öngörebilen bir yapay zeka aracı geliştirdi. Kai Chang ile Prof. Themis Sapsis’in geliştirdiği ve Extreme Event Aware veya η-learning (eta-learning) olarak adlandırılan yöntem, 20 Ağustos’ta Nature Communications dergisinde yayımlandı. Model, bir bölgenin geçmiş kayıtlarında bulunmayan ancak istatistiksel açıdan meydana gelmesi muhtemel olaylara ilişkin haritalar ve olasılık değerleri oluşturabiliyor.
Geleneksel Risk Modellerinin Sınırlılıkları
Sigorta şirketleri, kent planlamacıları ve şebeke operatörleri, belirli bir bölgede yüzyılda bir yaşanabilecek bir fırtınanın nasıl görüneceğini çoğu zaman bilmek istiyor. Hâlihazırdaki simülasyonlar genellikle aşırı olayları zaten barındıran veri kümelerini kullanıyor. Bu da modellerin üretebileceği senaryoları sınırlandırıyor. Araştırmacılar, mevcut yöntemlerin veri kümelerinde daha önce gözlemlenmiş felaketlere dayandığını, ancak hiç yaşanmamış olası aşırı senaryoları ölçmekte yetersiz kaldığını belirtiyor.
İki Veri Türü Bir Araya Getirildi
Geliştirilen algoritma, iki ana veri türünü birlikte kullanıyor. Nokta istatistikleri, haritada kaydedilen maksimum yağış gibi belirli bir yoğunluk düzeyinin veri kümesinde hangi sıklıkta görüldüğünü ortaya koyuyor. Mekânsal haritalar ise bir olayın etkisinin bölgenin farklı kesimlerinde nasıl değiştiğini yansıtıyor. Sistem, bu iki veri türü arasındaki istatistiksel bağlantıyı öğrenerek eğitim verilerinde yer almayan uç olaylara ilişkin mekânsal örüntüler oluşturabiliyor.
25 Yıllık Kayıt ve 6 Aylık Eğitim Denemesi
Araştırmacılar, modeli ABD anakarasına ait yağış kayıtları üzerinde sınadı. Çalışmada 25 yıllık saatlik yağış verisi günlük haritalar hâline getirildi ve nokta istatistikleri çıkarıldı. Mekânsal model için kullanılan eğitim kapsamı ise oldukça sınırlı tutuldu. Algoritmanın bu kısmı, 25 yıllık kaydın yalnızca ilk 6 ayından elde edilen düşük ve yüksek çözünürlüklü harita çiftleri kullanılarak eğitildi. Bu 6 aylık dönemde şiddetli yağış örneği yer almamasına karşın sistem, düşük çözünürlüklü örüntülerin yüksek çözünürlüklü ayrıntılarla nasıl örtüştüğünü öğrendi. Ardından nokta istatistiklerini kullanarak aşırı senaryolar oluşturdu.
300 Milimetrelik Yağış Senaryoları ve Altyapı Denemeleri
New York şehrinde şimdiye kadar ölçülen en yüksek yağış miktarı 200 milimetre olmasına rağmen, yeni yöntem gözlem kayıtlarında bulunmayan 300 milimetrelik bir fırtına için istatistiksel açıdan makul haritalar üretebiliyor. Bu haritalar, şehirlerin kıyı koruma duvarlarını rekor seviyedeki fırtına dalgalarına karşı sınamasına, elektrik şebekelerinin uzun süreli sıcak dalgalarına dayanıklılığını değerlendirmesine ve itfaiye kaynaklarının büyük yangınlar karşısındaki yeterliliğini ölçmesine olanak tanıyor.
Küresel Sistemler ve Dayanıklılık
Modelin yeni bir tehlike türüne uyarlanabilmesi için ilgili alana ilişkin nokta istatistikleriyle mekânsal verilere ihtiyaç duyuluyor. Metodoloji, meteorolojik olayların yanı sıra robotik navigasyonun ve finansal piyasalardaki ani çöküşlerin incelenmesinde de kullanılabilecek nitelikte.
Araştırmacılar, küresel altyapı sistemlerinin verimlilik esas alınarak tasarlandığını ve tek bir aşırı olayın tedarik zincirleriyle enerji piyasalarında haftalar içinde zincirleme etkilere yol açtığını belirtiyor. Henüz gerçekleşmemiş bir olaya olasılık atayabilmenin ekonomik ve ulusal dayanıklılık bakımından kritik önem taşıdığını ifade ediyor.