Makine öğrenimi felaketler hakkında nasıl önceden uyarıda bulunabilir?

İkonik en çok satan kitabında devrilme noktasıAmerikalı yazar Malcolm Gladwell, bir grup çocuğun o zamanlar neredeyse ölü bir marka olan Hush Puppies ayakkabılarını giyip ABD’de ayakkabıları öfkelendiren bir satış dalgasını nasıl tetiklediğinden bahsediyor.

Bir devrilme noktası, bir sistemin durumunu aniden ve geri alınamaz şekilde değiştirdiği zamandır. Uzun bir süre boyunca, girdi parametrelerindeki (sıcaklık gibi) hiçbir değişiklik sistem üzerinde herhangi bir etkiye neden olmadı – “ölçek değişmezliği” olarak bilinen bir aşama – ancak aniden “ölçek değişmezliği” ortadan kalktı ve sistem tamamen değişti. .

Bu nedenle, devrilme noktası, “devenin sırtını kıran son damla” gibidir – hafif bir pipet sonunda onu kırmaya yetecek kadar, hayvanın sırtında ağırlık birikmeye devam etti.

‘Karmaşık sistemlerde kritik geçişler’ olarak adlandırılan ‘devrilme noktası’ ilkesi, hastalıkların başlangıcı, borsa çöküşleri ve iklim değişikliği gibi yaşamdaki birçok şeyi tahmin etmede kullanılmaya çalışılıyor. Hâlâ devam eden bir çalışmadır, ancak dünya kesinlikle erken uyarı sistemleri geliştirmeye doğru ilerliyor.

Örneğin, IIT-Madras Havacılık ve Uzay Mühendisliği Departmanından Prof.

Bir devrilme noktasını zamanlayabilmek için öncüllerini tahmin etmek iyi olabilir. Örneğin, gen ifadesi veya protein sentezi gibi hücresel veya moleküler düzeydeki olaylar, devrilme noktasından önce yavaşlar. Bilim adamları, protein sentezi ile bakteriyel büyüme arasında (bazı durumlarda) bir bağlantı olduğunu fark ettiler.

Bu tür ‘kritik yavaşlama’ (CSD), bir araştırma odak alanıdır. Nisan 2022’de yayınlanan ‘Kompleks hastalıklarda kritik geçişlerin belirlenmesi’ başlıklı bir makalede Biyoloji Bilimleri Dergisi, Ropar Hindistan Teknoloji Enstitüsü’nden Smita Deb ve diğerleri, “CSD, sistemin mevcut denge durumuna dönüşünün, bir devrilme noktasının yakınındaki düzensizlikler üzerine yavaşladığı olgudur” diye belirtiyor. Makalenin yazarlarından biri olan Matematik Bölümü’nden Prof Partha Sharathi Dutta, şunları söyledi: Kuantum, “Artık CSD tabanlı erken uyarı sinyallerinin yaklaşmakta olan bir devrilme noktasını tahmin edebileceğini oldukça iyi biliyoruz.” Ancak, geçişin tam olarak “ne zaman” gerçekleşeceğini belirlemek için daha fazla araştırmaya ihtiyaç olduğu konusunda uyardı.

Makine öğreniminden güç alır

Dutta, “devrilme noktası” kavramı on yıllardır ortalıkta dolaşırken, makine öğreniminin ortaya çıkışının onu erken uyarı sistemleri geliştirme araştırmaları için gençleştirdiğini söyledi.

Makalelerinde yazarlar, “kritik geçişleri tespit etmek için derin bir sinir ağını eğitmek için basit teorik modeller kullanarak yeni bir tespit yöntemi – Erken Uyarı Sinyal Ağı (EWSNet)” geliştirdiklerini söylüyorlar.

Simüle edilmiş verilerle eğitilen bu ağ, hızlı iklim değişikliğinden ekolojik popülasyonların çöküşüne kadar değişen sistemlerde gözlemlenen gerçek dünya geçişlerini güvenilir bir şekilde tahmin edebilir. “Çalışmamız, derin öğrenmenin ekosistem çöküşüyle ​​ilgili daha fazla soruyu ele almak için pratikliğini vurguluyor ve çok daha geniş yönetim çıkarımlarına sahip.”

Özünde, “karmaşık sistemlerdeki kritik geçişler” artık pek çok umut vaat eden makine öğrenimi tarafından harekete geçirilen eski bir fikirdir. Prof Sujith, ‘karmaşık sistem teorisinin’ tıbbi araştırma topluluğu tarafından iyi bir şekilde benimsendiğine dikkat çekiyor.

Ancak henüz ‘araştırma’ aşamasında olduğu görülüyor.

veri ihtiyacı

Makalenin bir başka yazarı, Bengaluru’daki Hindistan Bilim Enstitüsü Biyosistem Bilimi ve Mühendisliği Merkezi’nde (BSSE) Yardımcı Doçent olan Dr Mohit Kumar Jolly, biyomedikal bilimindeki araştırmaların çoğunun artık geriye dönük olduğunu ve bir devrilme noktası.

Jolly ‘metastaz’ (kanserin yayılması) üzerinde çalışıyor. “İdeal olarak bir hastanın birincil tümörüne ait verilerine bakıp metastaz geliştirip geliştirmeyeceğini tahmin etmek isteriz” dedi, “ama henüz o aşamaya gelmedik.” Bununla birlikte, konsept kanıtının oluşturulduğunu ve “o aşamaya doğru ilerlediğimizi” kaydetti.

Dr Dutta daha temkinli, ancak o da, makine öğreniminin gelişiyle bu alanın çok fazla umut vaat ettiğini onaylıyor. Bununla birlikte, makineyi eğitmek için gereken veriler çok fazladır – “makine iyi eğitilirse, iyi tahminde bulunabilir”. Ancak bunun birkaç yıl daha süreceğini söyledi.