خوارزمية جديدة من MIT للتنبؤ بالسيناريوهات القصوى دون بيانات نادرة

مقدمة: التحدي في توقع 'غير المتوقع'

تواجه البنية التحتية الحيوية وسلاسل التوريد العالمية تهديدات متزايدة من أحداث قصوى مثل الفيضانات المفاجئة، العواصف الترابية الشديدة، أو الاضطرابات الجيوسياسية. التحدي الأكبر في التخطيط لهذه السيناريوهات هو ندرة البيانات التاريخية عنها، لأنها بطبيعتها أحداث 'غير مسبوقة'.

طور باحثون في معهد ماساتشوستس للتكنولوجيا (MIT) خوارزمية جديدة تتعلم كيفية توليد سيناريوهات لهذه الأحداث النادرة دون الحاجة إلى بيانات تاريخية غنية عنها. النتائج المنشورة تمثل تقدماً في مجال 'التنبؤ بالسيناريوهات'.

كيف تعمل الخوارزمية؟

بدلاً من البحث عن أحداث مشابهة في الماضي، تتعلم الخوارزمية الأنماط الأساسية والعلاقات الديناميكية داخل النظام (مثل شبكة الكهرباء أو سلسلة التوريد). بناءً على هذه الفهم، تقوم بتوليد سيناريوهات 'ماذا لو' متطرفة، حتى لو لم يسبق حدوثها.

هذا النهج يشبه تعلم قواعد اللغة ثم تأليف جمل جديدة، بدلاً من حفظ الجمل الموجودة فقط.

مقارنة مع الأساليب التقليدية

الأسلوب	الاعتماد على البيانات	القدرة على توقع أحداث غير مسبوقة
النماذج الإحصائية التقليدية	عالية (بيانات تاريخية عن أحداث مشابهة)	منخفضة
محاكاة مونت كارلو	متوسطة (توزيعات افتراضية)	متوسطة
خوارزمية MIT الجديدة	منخفضة (تفهم الأنماط الأساسية)	عالية

الأهمية للشرق الأوسط

بالنسبة لدول المنطقة التي تستثمر بكثافة في مشاريع البنية التحتية العملاقة (مثل المدن الذكية والموانئ) وتعتمد على سلاسل توريد عالمية، هذه الأداة يمكن أن تكون حاسمة في:

• اختبار مرونة الشبكات الكهربائية ضد موجات حر غير مسبوقة.
• محاكاة تأثير إغلاق مضيق هرمز على سلاسل الإمداد.
• التخطيط لاستمرارية الأعمال في مواجهة أزمات لم يسبق لها مثيل.

الخلاصة

هذا البحث ينقل الذكاء الاصطناعي من دور 'المحلل اللاحق' إلى 'المخطط الاستباقي'. بالنسبة لصناع القرار في المنطقة، يعني ذلك القدرة على الاستعداد للمستحيل، مما يقلل من هشاشة الأنظمة الحيوية.

---

ملاحظة للمراجعة البشرية: هذا الخبر مبني على ملخص منشور من MIT News. يوصى بالتحقق من التفاصيل التقنية الدقيقة للخوارزمية (مثل الاسم الرسمي وطريقة العمل) من الورقة البحثية الأصلية قبل النشر النهائي.