详细内容或原文请订阅后点击阅览
在无极端数据情况下生成极端事件场景
一种新算法能够预测关键基础设施和全球供应链最不准备的前所未有的场景。
来源:MIT新闻 - 人工智能一座城市的海堤能否抵御一场特大风暴？一个地区的电网能否承受破纪录的高温？一个城镇的消防资源能否控制住一场大规模野火？
要回答这些问题，社区首先需要了解此类极端事件可能如何发展。野火可能蔓延多远？风暴可能影响多大区域？热浪可能持续多久？
但众所周知，极端事件难以预测。就其性质而言，它们是异常值。在有记录的历史中，极端事件是零星且罕见的。然而，大多数评估区域风险的方法都依赖于过去的极端事件来描述未来更极端的、最坏的情况。
现在，麻省理工学院的工程师开发了一种工具，可以生成合理的极端事件和最坏情况，并绘制其特征，例如极端风暴可能持续的时间、强度和影响范围。其方法的关键在于，它不需要了解先前的极端事件即可生成未来可能发生的极端事件。
相反，该方法以机器学习算法的形式，从数据集中学习，例如一个地区的每日天气记录和地图。这些记录可能包含也可能不包含过去的极端偏差，例如创纪录的高温或降雨。该团队的算法采用统计方法从现有数据中学习，以排除不合理的气象情景。然后，该方法生成可能在特定区域以给定频率（例如每100年一次）发生的合理极端事件，并预测这些极端事件在其规模、强度和持续时间方面可能是什么样子。
“我们试图模拟以前没有人见过的、数据集中没有的极端、前所未有的事件，”麻省理工学院机械工程研究生兼麻省理工学院计算科学与工程中心成员张凯说。
“比一切风险都更大”
极限学习