Модель машинного обучения предложила научная команда Чжэцзянского университета, Ханчжоу, Китай. Ученые разработали на основе математических функций алгоритм прогнозирования. Использовав известные данные о террористических событиях, ученые "накормили" этим искусственный интеллект, чтобы он смог научиться. Прогнозирование далеко от идеала, но научная команда заметила взаимосвязь между глобальными событиями и актами терроризма.

Читайте по теме Пентагон научил искусственный интеллект GIDE "предсказывать будущее" на несколько дней вперед

ТероризмТеррористические акты с 2002 по 2016 годы / Фото Science Advances

Как работает машинный алгоритм прогнозирования террористических актов

  • Научная команда Чжэцзянского университета использовала данные о террористических актах за период с 2002 по 2016 годы (795 недель).
  • Эти данные были наложены на мировую карту.
  • В свою очередь карта была разделена на 13 регионов. Для каждого региона мира искусственный разум выстраивал отдельную прогностическую модель.
  • Каждый из 13 регионов был разделен на пространственно-временные ячейки, которые охватывают населенные пункты с плотностью населения более 5 человек на 1 квадратный километр. Общее количество недельных ячеек составляет 26 551.
  • Поскольку эта пространственно-временная модель используется для обучения искусственного разума, то каждая ячейка обновляется каждую неделю. Это демонстрирует изменение ситуации каждую неделю. Таким образом, общее количество ячеек достигает 21 миллиона 108 тысяч 045 (26 551 ячейка *795 недель).
  • В исследовании не принимаются во внимание страны, где не были зафиксированы террористические акты за указанный период.

Интересно Искусственный интеллект научили оценивать самочувствие котов и создали специальное приложение

Кроме того, ученые ввели:

  • 20 структурных характеристик, которые не меняются со временем.
  • 14 динамических переменных, которые меняются со временем.

На основе этого искусственный разум учился выявлять взаимосвязи между террористическими актами и введенными характеристиками (например, значение ВВП, плотность населения, плотность дорог, расстояние до столицы, расстояние до государственной границы и другие структурные характеристики и динамические переменные).

Выводы

Прогностическая способность машинного алгоритма, согласно исследованиям, находится на достаточно высоком уровне, если речь идет о районах с высокой вероятностью террористических атак. Проще говоря, в таких районах и так постоянно ждут атаки террористов.

Результаты прогнозирования для районов, где террористические атаки произошли давно, оставляют желать лучшего. Алгоритм мог предвидеть общие тенденции и "склонность региона к терроризму". Но не смог указать, что, например, "на определенной локации (ячейке) может произойти террористический акт с вероятностью 48%".

Тем не менее, это лишь первая попытка. Поэтому исследователи продолжат совершенствовать алгоритм, "скармливая" ему новые данные, чтобы максимально улучшить его способность прогнозировать вероятность террористических атак и в определенной локации.