Компьютер против терроризма: ИИ научили предсказывать теракты по всему миру

Международная группа ученых разработала алгоритмы, при помощи которых компьютер может предсказывать теракты в самых разных регионах.

Результаты исследование были опубликованы в журнале Science Advances.

В 2001 году около 3000 человек погибли в результате терактов во Всемирном торговом центре в Нью-Йорке. С тех пор многие исследователи пытаются понять, что движет террористами и как можно предсказать их поведение в будущем, чтобы предотвращать катастрофы. Доктор Андре Пайтон из Чжэцзянского университета (Китай) вместе с коллегами нашел способ улучшить работу искусственного интеллекта в этой сфере.

Ученые разработали структуру для прогнозирования терактов по всему миру, предварительно изучив случаи террористических атак, которые произошли в период с 2002 по 2016 годы (т.е. на протяжении 795 недель) в 13-ти регионах, включая все субконтинентальные регионы, указанные в Глобальной базе данных о терроризме (GTD), и Западную Африку. Для каждого региона построили прогностические модели, которые позволяют выявлять, оценивать и сравнивать роль основных движущих террористических сил.

Исследователи подготовили интерпретируемый древовидный алгоритм машинного обучения с так называемым градиентным усилением. Чтобы охватить все регионы мира, потенциально затронутые терроризмом в течение длительного периода времени, авторы разбили регионы на ячейки, каждая из которых охватывает территорию размером 50 × 50 км и задали временной параметр в 795 недель. Далее в работу включался древовидный алгоритм машинного обучения, анализировавший вероятности возникновения терактов (и ответных мер) в каждой ячейке понедельно по всему миру.

Алгоритм брал во внимание 20 структурных характеристик — постоянных во времени переменных, которые учитывают влияние, например, валового внутреннего продукта (ВВП) на душу населения, — и 14 процедурных характеристик — динамических переменных, которые учитывают тот факт, что террористическая деятельность в прошлом влияет на риск терроризма в будущем.

По мнению доктора Пайтона, нейросеть может превзойти экономные модели (parsimonious models), используя лишь процедурные функции, выбор которых, однако, критически важен. Согласно предварительным выводам, алгоритм понял сложную связь между локальными и глобальными факторами терроризма, поэтому власти разных стран смогут использовать его прогнозы для предотвращения терактов. Кроме того, машинное обучение моделей позволяет ИИ выбирать разные гиперпараметры для конкретных регионов.

"Мы заметили, что некоторые характеристики стабильны, тогда как другие более изменчивы в зависимости от региона. Это позволило нам лучше понять региональные сходства и различия основных движущих сил терроризма", — цитирует Пайтона TechXplore.

Как отмечают ученые, машинные алгоритмы достаточно эффективно предсказывают события на территориях, которые многократно подвергались атакам, однако им сложно строить прогнозы для регионов, в которых терактов не было уже долгое время. Такой дисбаланс данных снижает точность моделей, однако ее можно достичь, применяя дополнительные параметры.

Ученые определили две главные цели терроризма: запугивание и провоцирование. В первом случае террористы пытаются заставить выполнять свои требования, а во втором — заставить контратаковать с ними. В обоих случаях они используют насилие как средство коммуникации.

Исследователи также выделили 6 главных переменных, которые увеличивают вероятность терактов:

1. Близость к столице, крупным городам и дорогам для более быстрого распространения месседжа.
2. Географическое преимущество террористов — они часто скрываются в труднодоступных местах и могут выбирать цели для запугивания поближе к своей базе.
3. Экономическая активность региона — чем более развита страна, тем больше ущерба может нанести теракт.
4. Вероятность эскалации конфликта — террористы регулярно пытаются развязать локальные войны, чтобы потом вербовать новых последователей.
5. Политический режим и показатель ВВП — уровень демократичности влияет на выбор террористами стратегии действий.
6. Локальное закрепление — вероятность повторения терактов во многом зависит от того, смогла ли организация создать ячейки в том или ином регионе.

"Мы надеемся, что наша работа сможет открыть путь к развитию методов прогнозирования машинного обучения, чтобы лучше понять, что движет террористами и предотвратить события, которые ежегодно уносят жизни тысяч людей", — отметили авторы в статье.

Ранее ученые научили ИИ предсказывать развитие агрессивного рака. Зная заранее, как будет развиваться болезнь пациента, врачи смогут назначить самое эффективное лечение.