Инженеры MIT создали инструмент для моделирования экстремальных сценариев без реальных данных

Инженеры MIT объявили о создании нового инструмента для моделирования экстремальных событий, таких как мощнейшие штормы, наводнения, жары или крупные пожары, даже если в доступных данных нет информации о подобных происшествиях в прошлом. Ключевая особенность подхода заключается в том, что он позволяет «придумывать» вероятные сценарии редких и катастрофических событий, которых можно ожидать раз в 30, 40, либо 100 лет, но которые, вероятно, никогда ранее не случались в данном регионе и, соответственно, не были зафиксированы. Инструмент реализован в виде алгоритма машинного обучения и получил название Extreme Event Aware, или «η-learning». Разработка подробно описана в открытой публикации в журнале Nature Communications. Над проектом работали специалисты Центра вычислительной науки и инженерии MIT, в том числе аспирант Кай Чанг и профессор Темис Сапсис.

Метод работает следующим образом: алгоритм анализирует любой предоставленный массив статистических данных и карт — например, ежедневные погодные записи за последние годы — и, не нуждаясь в примерах прошлых катастроф, учится выделять статистически обоснованные, но ранее не наблюдавшиеся экстремумы. К примеру, если максимальное зафиксированное количество осадков за сутки было 200 мм, система способна смоделировать, как именно могла бы выглядеть ситуация с дождём в 300 мм: где он мог бы выпасть, насколько велик была бы зона поражения, какова была бы длительность аномалии и другие детали. На практике это реализовано через объединение анализа так называемых «точечных» статистик (максимальные показатели) и пространственных карт. На демонстрационном примере авторы использовали набор осадков по США за 25 лет, где алгоритм был обучен только на первых шести месяцах данных — то есть почти без экстремальных случаев — и всё равно смог моделировать plausibility карт с особыми сильными осадками.

За счёт такого подхода специалисты и организации могут получить не просто абстрактные прогнозы, а тысячи вариантов того, как могло бы выглядеть событие с определённой редкостью наступления (например, раз в сто лет) и его критическими характеристиками — даже если не было исторических примеров на той же территории. Запросы могут задаваться по интересующим параметрам: например, каким было бы сверхредкое наводнение в конкретном городе, и как оно может распространиться по окрестностям. Помимо природных аномалий, как отмечают авторы, метод можно применять в смежных сферах, в том числе в прогнозах для финансовых рынков или анализа сценариев для автономных систем, где тоже необходим разбор маловероятных, но весьма опасных отклонений.

Причина появления таких решений — возрастающая важность устойчивости городов, инфраструктуры, цепочек поставок и рынков к шокам, которые раньше воспринимались малореалистичными. Классические методы подготовки обычно требуют набора прецедентов — исторических погодных катастроф, крупных аварий или кризисов. Но в современном мире события-«чёрные лебеди» способны быстро создавать каскадные перебои и потери даже там, где их раньше не ждали. Проблема отсутствия подходящих данных особенно серьёзна для новых районов развития или в отраслях, где прошлых катастроф просто не было.

Для заведений сферы HoReCa такой инструмент может быть интересен прежде всего там, где бизнесу важна оценка рисков экстремальных погодных катастроф или событий, способных парализовать инфраструктуру: например, городские гостиницы, сеть ресторанов в отдельных районах, объекты вблизи побережья или на территориях, склонных к наводнениям, пожарам либо отключениям электроэнергии. Моделирование позволяет заранее планировать устойчивость бизнеса, страхование, адаптацию логистики и инфраструктурные улучшения, даже если в регионе никогда не фиксировались самые тяжёлые погодные аномалии. Однако для применения потребуется наличие актуальных статистик и качественных карт — без исходных данных инструмент не сможет выдать достоверные сценарии. Также пока неясно, насколько метод универсален при работе с не погодными, а организационными или цепочечными событиями; в статье широкой информации о реальных кейсах вне примера с осадками не приводится. В целом разработка выглядит перспективной для тех, кто рассчитывает не только на прошлый опыт, но и закладывается на неизвестные, но вполне возможные экстремальные риски.