Cientistas do MIT projetam IA que pode prever desastres raros, como colapsos de pontes e ondas gigantes
Catástrofes são difíceis de prever porque são muito raras. Mas a IA usando aprendizado ativo pode fazer previsões a partir de conjuntos de dados muito pequenos.
- Eventos devastadores raros, como terremotos maciços, pandemias ou ondas gigantes, podem parecer aleatórios, mas podem ter sinais reveladores. Só não sabemos como encontrá-los.
- Sistemas de inteligência artificial que usam aprendizado ativo podem trabalhar para prever esses eventos usando poucos dados.
- Esta pode ser uma ferramenta útil para sobreviver em um planeta ocasionalmente imprevisível.
Em 1995, o transatlântico Rainha Elizabeth II estava navegando na costa de Newfoundland. A tripulação e os passageiros do navio foram atingidos por um furacão. Os mares eram uma massa turbulenta, empurrando o barco para frente e para trás.
Enquanto sua tripulação lutava para manter o barco flutuando e os passageiros amontoados em suas cabines, o capitão Ronald Warwick viu uma elevação diante do barco. Parecia, ele lembrou mais tarde, como se o barco estivesse indo direto para os Penhascos Brancos de Dover. Horrorizado, ele percebeu que essa parede não era uma massa de terra, mas uma onda de dezenas de metros de altura. Um minuto depois, ele se chocou contra a proa de seu navio. O Rainha Elizabeth II inclinou-se para a frente e correu pela parte de trás da onda como um carro em uma montanha-russa. Ele atingiu a próxima onda com força suficiente para danificar o navio. Felizmente, como o barco não foi pego de lado e a maioria dos passageiros estava em suas cabines, ninguém ficou ferido.
A onda que atingiu o Rainha Elizabeth II era mais do que o dobro da altura das ondas que o cercavam. Tal evento é apelidado de onda traiçoeira – uma grande onda que parece aparecer do nada.
Eventos como este – catástrofes raras que são realmente prejudiciais para pessoas e propriedades – são muito difíceis de prever. A categoria pode incluir terremotos significativos, pandemias ou a falha inesperada de uma ponte ou barco. Precisamente por serem tão raros, temos poucos dados para prever quando podem ocorrer. Aqui, a inteligência artificial pode ajudar analisando pequenos conjuntos de dados para extrair as condições que podem levar a um evento raro.
Fazendo ondas
Vamos dar uma olhada mais profunda no exemplo da onda traiçoeira. Se tentarmos modelar a altura da onda para prever quando a próxima onda traiçoeira pode subir, teremos um número aparentemente infinito de variáveis com as quais lidar: a distância entre duas ondas sucessivas, a velocidade da onda, a inclinação do fundo do oceano, a presença de um tempestade próxima, ou talvez uma borboleta batendo suas asas em uma selva africana.
Depois, há o simples fato de que as ondas traiçoeiras são raras. Na verdade, os marinheiros que relataram ondas enormes foram considerados delirantes. Essa descrença só foi quebrada no dia de Ano Novo de 1995, quando uma . A altura dessa onda foi confirmada com um sensor digital, tornando-a a primeira onda rebelde medida e registrada.
Considerando a falta de dados e a lista de variáveis envolvidas na geração de uma onda traiçoeira, prever quando e onde elas podem ocorrer parece quase impossível. Felizmente, é em situações como essa que os operadores neurais profundos prosperam.
A IA pode explorar as menores veias de dados
Criar um modelo puramente matemático de terremotos, ondas ou pandemias é muito difícil. No mundo real, a física subjacente é complexa e está escondida de nós por uma parede de ruído. É difícil emparelhar um modelo baseado na física pura com a verdadeira natureza do que vemos no mundo ao nosso redor.
Inscreva-se para receber histórias contra-intuitivas, surpreendentes e impactantes entregues em sua caixa de entrada toda quinta-feiraA inteligência artificial, por outro lado, pode nos permitir modelar esses sistemas sem conhecer completamente as equações subjacentes. Uma equipe da Brown University e do Massachusetts Institute of Technology mostrou como podemos emparelhar a IA com pequenos conjuntos de dados para prever eventos raros e destrutivos. Seus resultados foram recentemente publicados em Natureza .
A equipe usou um tipo de IA chamado aprendizado ativo. “A IA interage dinamicamente com o sistema subjacente de interesse (ou seja, ondas rebeldes, furacões, pandemias, terremotos) para adquirir novos dados e aprender o sistema com eficiência”, disse Ethan Pickering, especialista em IA e principal autor do estudo, ao Big Think.
Mesmo ao usar uma pequena quantidade de dados, que é tudo o que é oferecido para eventos ultra-raros, o aprendizado ativo pode escolher quais dados são os mais importantes, aprendendo e ajustando cada etapa do caminho e permitindo que seja muito eficiente com pequenos conjuntos de dados. “Essa abordagem é sequencial e permite que a IA atualize sua compreensão e capacidade de tomada de decisão a cada novo ponto de dados”, continua Pickering.
IA encontra a realidade
Imagine um precursor de um furacão enorme e devastador. Você está sentado em uma bela praia do Caribe com a temperatura perfeita e uma brisa suave. Uma praia próxima parece tão perfeita. Para entender como a IA encontra um precursor de um furacão, imagine a IA analisando as condições nessas duas praias. A partir desse pequeno conjunto de dados, ele constrói um conjunto de dados muito maior, que inclui as condições de muitas praias. Avançar no tempo permitiria que a IA identificasse condições que em qualquer praia parecem benignas, mas em uma escala maior levariam a um furacão massivo.
“Um precursor de um furacão pode ser definido como o conjunto de condições ambientais… temperaturas da superfície do oceano, correntes de água, correntes de ar e eventos de precipitação aparentemente menores”, explica Pickering.
Esses sistemas de aprendizado ativo podem prever quando e onde eventos raros acontecerão. E ainda pode prever eventos mais extremos do que qualquer outro que tenha visto antes (embora haja limites para isso - ou seja, um novo conjunto de pontos de dados pode ser necessário).
Vale a pena notar que a IA não vê tudo nem é capaz de fazer previsões sensatas por conta própria. importante, é não consigo entender o sistema sem a ciência que o faz funcionar. Como Pickering coloca, uma “estrutura de IA é uma ferramenta para cientistas e pesquisadores… não um substituto para a ciência fundamental”. Oceanógrafos, biólogos, geólogos, modeladores climáticos ou cientistas atmosféricos ainda são necessários para alimentar a IA com as informações corretas e orientá-la na análise dos parâmetros que realmente podem afetar um sistema. Por exemplo, o tempo entre as cristas das ondas pode afetar a criação de uma onda traiçoeira, enquanto outras variáveis podem não.
Esses sistemas de aprendizado ativo têm muitas aplicações no mundo real, desde a previsão de pandemias e incêndios florestais até falhas estruturais – uma ferramenta útil para sobreviver em um planeta ocasionalmente imprevisível.
Compartilhar:
