Dalle pandemie fino ai terremoti e le onde anomale, l’intelligenza artificiale impara a prevedere anche eventi rari e disastrosi grazie a una nuova tecnica detta di apprendimento attivo. A sviluppare questa nuova tipologia di analisi dati, usando DeepOnet, è stato un gruppo di ricerca dell’Università americana Brown e dell’Istituto di Tecnologia del Massachusetts (Mit) i cui risultati sono stati pubblicati su Nature Computational Science.
Grazie a tecniche sempre più sofisticate e la capacità di identificare schemi e ripetizioni ‘invisibili’ agli occhi umani, gli algoritmi di Intelligenza artificiale si stanno dimostrando potentissimi strumenti capaci di prevedere fenomeni finora difficilissimi da analizzare ma fare lo stesso con eventi rari, come sono ad esempio i terremoti o la comparsa di onde anomale in mare aperto (dovute alla combinazione di più fattori) è stato finora molto limitato dalla carenza di sufficienti dati. “Essendo rari – ha commentato George Karniadakis, uno degli autori – non abbiamo abbastanza campioni del passato per poterli prevedere. La domanda che ci siamo posti allora è stata: quali sono i migliori dati possibili che possiamo utilizzare per ridurre al minimo il numero di dati di cui abbiamo bisogno?“.
Partendo da questo interrogativo i ricercatori hanno sviluppato una nuova tipologia di algoritmo, detto di apprendimento attivo, e lo hanno implementato sull’innovativa rete neurale di DeepOnet che ha così imparato a identificare nei dati nuovi elementi per migliorare enormemente la capacità di previsione anche nel caso di eventi rari. La nuova tecnica permette così di identificare con grande precisione i precursori di fenomeni finora difficili da analizzare, ad esempio le condizioni che porteranno molto probabilmente alla formazione di un’onda anomala che potrebbe causare la rottura dello scafo di una nave o la diffusione di un’epidemia su scala globale.
