Комп'ютер проти тероризму: вчені навчили ШІ передбачати теракти по всьому світу

Міжнародна група вчених розробила алгоритми, за допомогою яких комп'ютер може передбачати теракти в найрізноманітніших регіонах.

Результати дослідження були опубліковані в журналі Science Advances.

У 2001 році близько 3000 чоловік загинули в результаті терактів у Всесвітньому торговому центрі в Нью-Йорку. З тих пір багато дослідників намагаються зрозуміти, що рухає терористами та як можна передбачити їхню поведінку в майбутньому, щоб запобігати катастрофі. Доктор Андре Пайтон із Чжецзянського університету (Китай) разом із колегами знайшов спосіб поліпшити роботу штучного інтелекту в цій сфері.

Учені розробили структуру для прогнозування терактів по всьому світу, попередньо вивчивши випадки терористичних атак, які сталися в період із 2002 по 2016 роки (тобто протягом 795 тижнів) у 13-ти регіонах, включаючи всі субконтинентальні регіони, що відповідають умовам Глобальної базі даних про тероризм (GTD), і Західну Африку. Для кожного регіону побудували прогностичні моделі, які дозволяють виявляти, оцінювати та порівнювати роль основних рушійних терористичних сил.

Дослідники підготували інтерпретувальний деревовидний алгоритм машинного навчання з так званим градієнтним посиленням. Щоб охопити всі регіони світу, потенційно уражені тероризмом протягом тривалого періоду часу, автори розбили регіони на осередки, кожна з яких охоплює територію розміром 50 × 50 км і задали часовий параметр в 795 тижнів. Далі в роботу включався деревовидний алгоритм машинного навчання, аналізуючи ймовірності виникнення терактів (і відповідних заходів) у кожному осередку потижнево по всьому світу.

Алгоритм брав до уваги 20 структурних характеристик — постійних у часі змінних, які враховують вплив, наприклад, валового внутрішнього продукту (ВВП) на душу населення, — і 14 процедурних характеристик — динамічних змінних, які враховують той факт, що терористична діяльність у минулому впливає на ризик тероризму в майбутньому.

На думку доктора Пайтона, нейросеть може перевершити економні моделі (parsimonious models), використовуючи лише процедурні функції, вибір яких, однак, критично важливий. Згідно з попередніми висновками, алгоритм зрозумів складну зв'язок між локальними та глобальними чинниками тероризму, тому влада різних країн зможе використовувати його прогнози для запобігання терактам. Крім того, машинне навчання моделей дозволяє ШІ вибирати різні гіперпараметри для конкретних регіонів.

"Ми помітили, що деякі характеристики стабільні, тоді як інші більш мінливі в залежності від регіону. Це дозволило нам краще зрозуміти регіональні подібності та відмінності основних рушійних сил тероризму", — цитує Пайтона TechXplore.

Як відзначають вчені, машинні алгоритми досить ефективно пророкують події на територіях, які багаторазово піддавалися атакам, однак їм складно будувати прогнози для регіонів, де терактів не було вже довгий час. Такий дисбаланс даних знижує точність моделей, однак її можна досягти, застосовуючи додаткові параметри.

Учені визначили дві головні цілі тероризму: залякування та провокування. У першому випадку терористи намагаються змусити виконувати свої вимоги, а в другому — змусити контратакувати з ними. В обох випадках вони використовують насильство як засіб комунікації.

Дослідники також виділили 6 головних змінних, які збільшують ймовірність терактів:

1. Близькість до столиці, великих міст і доріг для більш швидкого поширення меседжу.
2. Географічна перевага терористів — вони часто ховаються у важкодоступних місцях і можуть вибирати цілі для залякування ближче до своєї бази.
3. Економічна активність регіону — чим більше розвинена країна, тим більше шкоди може завдати теракт.
4. Імовірність ескалації конфлікту — терористи регулярно намагаються розв'язати локальні війни, щоб потім вербувати нових послідовників.
5. Політичний режим і показник ВВП — рівень демократичності впливає на вибір терористами стратегії дій.
6. Локальне закріплення — ймовірність повторення терактів багато в чому залежить від того, чи змогла організація створити осередки в тому чи іншому регіоні.

"Ми сподіваємося, що наша робота зможе відкрити шлях до розвитку методів прогнозування машинного навчання, щоб краще зрозуміти, що рухає терористами та запобігти подіям, які щорічно забирають життя тисяч людей", — зазначили автори в статті.

Раніше вчені навчили ШІ передбачати розвиток агресивного раку. Знаючи заздалегідь, як буде розвиватися хвороба пацієнта, лікарі зможуть призначити найефективніше лікування.