Buzz
TPO - Các nhà nghiên cứu máy tính đã phát triển một chương trình trí tuệ nhân tạo (AI) có khả năng dự đoán thời điểm xảy ra các điểm tới hạn thảm khốc, và họ dự định dùng nó để dự báo các cuộc khủng hoảng sinh thái, tài chính, đại dịch và mất điện.
Một bức ảnh chụp đám cháy rừng. (Ảnh: Jackal Yu|)
Phát hiện này đã được các nhà nghiên cứu công bố trên tạp chí Physical Review X.
AI dự đoán chính xác
Điểm tới hạn là những biến đổi đột ngột mà sau đó hệ thống hoặc môi trường sẽ chuyển sang trạng thái không mong muốn và khó phục hồi. Ví dụ, nếu tảng băng Greenland tan chảy, nó có thể làm giảm lượng tuyết rơi ở phía bắc đảo, dẫn đến mực nước biển dâng cao đáng kể và làm nhiều khu vực của tảng băng không thể phục hồi.
Tuy nhiên, vẫn chưa hiểu rõ về cơ chế của những biến đổi mạnh mẽ này, và thường dựa vào các mô hình quá đơn giản, gây khó khăn cho việc dự đoán chính xác. Trước đây, các nhà khoa học đã sử dụng số liệu thống kê để đánh giá sức mạnh và khả năng phục hồi giảm dần của các hệ thống thông qua sự gia tăng biến động.
Để cải thiện độ chính xác trong việc dự đoán các biến đổi nguy hiểm, các nhà nghiên cứu đã kết hợp hai loại mạng nơ-ron khác nhau hoặc các thuật toán mô phỏng cách thông tin được xử lý trong não. Loại đầu tiên phân chia các hệ thống phức tạp thành các mạng lớn với các nút tương tác và theo dõi kết nối giữa các nút; trong khi loại thứ hai giám sát sự thay đổi của từng nút theo thời gian.
Vì điểm tới hạn khó dự đoán, việc xác định chúng cũng không kém phần khó khăn, dẫn đến việc dữ liệu thực tế về các chuyển đổi đột ngột trở nên hạn chế. Để đào tạo mô hình, các nhà nghiên cứu đã chuyển sang các điểm tới hạn trong các hệ thống lý thuyết đơn giản - như các hệ sinh thái mô hình và máy đếm nhịp không đồng bộ, mà khi đủ thời gian sẽ bắt đầu chuyển động cùng nhau. AI đã dự đoán chính xác các sự kiện này.
Giải mã các yếu tố ẩn trong cháy rừng, đại dịch và khủng hoảng tài chính
Một thách thức trong việc dự đoán các hệ thống liên quan đến con người là khả năng hiểu và phản ứng với dự báo của chính chúng.
Ví dụ, trong giao thông đô thị: mặc dù có thể dễ dàng xác định các tuyến đường tắc nghẽn, nhưng việc thông báo tình trạng tắc nghẽn theo thời gian thực có thể dẫn đến sự hỗn loạn. Người lái xe có thể ngay lập tức thay đổi lộ trình, điều này có thể làm giảm tắc nghẽn trên một số tuyến đường nhưng lại tạo ra tắc nghẽn mới trên các tuyến đường khác. Sự tương tác này làm cho việc dự đoán trở nên rất phức tạp.
Để giải quyết vấn đề này, các nhà nghiên cứu cho biết họ sẽ tập trung vào các phần của hệ thống con người không bị ảnh hưởng. Trong ví dụ về mạng lưới đường bộ, điều này có thể thực hiện bằng cách xem xét các tuyến đường tắc nghẽn hơn do thiết kế cơ bản của chúng.
Việc sử dụng AI để nắm bắt các tín hiệu cơ bản này có thể giúp đưa ra dự đoán chính xác hơn. Mặc dù việc dự đoán các hệ thống như vậy là một thách thức, nhưng rất quan trọng vì các biến đổi trong các hệ thống có sự tham gia của con người có thể dẫn đến những hậu quả nghiêm trọng hơn.
