تغيّر المناخ يجعل الطقس أكثر تقلباً، والكوارث النادرة أصبحت نادرة لدرجة أن الإحصاءات المتراكمة غالباً لا تكفي لتقييم المخاطر. اقترح مهندسو معهد ماساتشوستس للتكنولوجيا (MIT) نهجاً يقلب المنطق المألوف: خوارزميتهم لا تتعلم من الكوارث الماضية، بل تولّد سيناريوهات لأحداث لم تحدث في تاريخ المنطقة أصلاً. المطوّرون — طالب الدراسات العليا كاي تشانغ والأستاذ ثيميس سابسيس — قدّموا طريقة تبني خرائط للكوارث المحتملة، استناداً إلى الاحتمال الإحصائي، وليس إلى تكرار ما حدث بالفعل.
لماذا النماذج التقليدية للمخاطر عمياء عن التهديدات الجديدة
عادةً ما تقيّم شركات التأمين ومخططو المدن ومشغلو شبكات الكهرباء المخاطر من خلال محاكاة تعتمد على الأحداث المتطرفة التي حدثت بالفعل. في مثل هذه النماذج، تُدمج بيانات الأعاصير أو الفيضانات أو الجفاف السابقة، ثم تُسقَط هذه الأنماط على المستقبل. المنطق بسيط: إذا تكررت كارثة بوتيرة معينة، يمكن التنبؤ بها عن طريق القياس.
لكن هذا النهج يعاني من عيب جوهري، يشرحه باحثو MIT بمثال إعصار كاترينا. أحداث بهذا الحجم تحدث مرة كل 30–40 عاماً تقريباً، بينما يحتاج المؤمّنون والمهندسون إلى تقدير لظواهر أندر بكثير — تلك التي تحدث مرة كل قرن أو أكثر. لا توجد بيانات تقريباً عن مثل هذه الكوارث، وبالتالي فإن الخوارزميات التقليدية إما تقلّل من شأن المخاطر أو تتنبأ ببساطة بما حدث بالفعل. يحاول التطوير الجديد سد هذه الفجوة، بالإجابة على سؤال: كيف يبدو حدثٌ احتمال وقوعه واحد بالمائة سنوياً، حتى لو لم يُسجَّل أي شيء مماثل من قبل؟
كيف تتعلم الخوارزمية «المستحيل»
بدلاً من البحث عن آثار الكوارث في البيانات التاريخية، تعمل طريقة Extreme Event Aware (η-learning) مع نوعين من المدخلات. الأول: إحصاءات نقطية — تُظهر عدد مرات تكرار مستوى معيّن من الشدة في مجموعة البيانات، مثل الحد الأقصى لكمية الأمطار على الخريطة في يوم واحد. النوع الثاني: خرائط مكانية تصف كيفية توزّع قوة التأثير عبر منطقة جغرافية.
الفكرة الأساسية هي تعلّم العلاقة الإحصائية بين هذين التمثيلين. ترى الخوارزمية كيف ترتبط الأنماط المكانية منخفضة الدقة بالخرائط التفصيلية عالية الدقة، وتستخدم الإحصاءات النقطية للفترة بأكملها كقيد. بفضل هذا، يمكنها إنشاء سيناريوهات مكانية واقعية لأحداث تتجاوز بكثير أي أمثلة في مجموعة التدريب. في جوهرها، لا تتنبأ الشبكة بـ«ما سيحدث»، بل تبني «ما يمكن أن يحدث» — ولكن باحتمال مبرَّر رياضياً.
اختبار على الأمطار الأمريكية
قرروا اختبار الطريقة على بيانات الأمطار في الولايات المتحدة القارية. للتجربة، أخذوا 25 عاماً من الملاحظات الساعية، ودمجوها في خرائط يومية، وحسبوا الإحصاءات النقطية — كم مرة وصل الحد الأقصى لكمية الأمطار على الخريطة إلى مستوى محدد خلال الفترة بأكملها. درّبوا النموذج المكاني على مادة أكثر تواضعاً بكثير: ستة أشهر فقط من أزواج الخرائط منخفضة وعالية الدقة. واختاروا الأشهر الستة الأولى من فترة الـ25 عاماً — وهي فترة لم تشهد أمطاراً غزيرة تقريباً أو لم تشهدها إطلاقاً.
ثم ربطت الخوارزمية كيفية تحوّل الأنماط منخفضة الدقة إلى تفاصيل عالية الدقة، وطبّقت عليها الإحصاءات النقطية الكاملة لربع القرن لتقييد نطاق التوليد. كانت النتيجة دالة: الحد الأقصى للأمطار المسجلة في نيويورك يصل إلى 200 مليمتر، بينما تستطيع الطريقة توليد خرائط عاصفة معقولة بـ300 مليمتر — وهو مستوى ليس له نظير في الملاحظات. يمكن للمستخدم تحديد مدينة للخوارزمية وطلب «عاصفة تحدث مرة كل 100 عام»، ويحصل على سلسلة خرائط بأحجام ومساحات تغطية وكثافات أمطار مختلفة. علاوة على ذلك، لا يتطلب إنشاء مثل هذه السيناريوهات موارد حاسوبية كبيرة: يمكن للشبكة إنتاج مصفوفات كاملة من الخيارات في تشغيل واحد.
من المستفيد من الكوارث المولّدة
إمكانية رؤية كارثة لم تحدث بعد مسبقاً تفتح آفاقاً عملية لمجموعة من الحلول البنيوية. يمكن للإدارة الحضرية التحقق مما إذا كان السد سيصمد أمام اندفاع عاصفي يتجاوز كل ما سُجّل سابقاً. ستحصل شركات الطاقة على سيناريوهات لموجات حر أطول وأكثر شدة، لتقييم ما إذا كانت شبكة الكهرباء ستتحمل ذروة الحمل. وستتمكن فرق الإطفاء من التدرب على إخماد حريق غابات أكبر مساحةً من أي حريق حدث في منطقتها من قبل.
القيود والنظرة إلى المستقبل
حتى الآن، عُرضت الطريقة على الأمطار فقط، وسيتطلب تطبيقها على أنواع أخرى من الكوارث إعداد بيانات مناسبة: الإحصاءات النقطية والخرائط المكانية معاً لكل خطر محدد. في المستقبل، يرى المؤلفون توسيعاً ليشمل الفيضانات الشديدة وحرائق الغابات التي ليس لها نظير في الأرشيفات التاريخية.
يؤكد ثيميس سابسيس على السياق الأوسع: البنية التحتية العالمية الحديثة مُحسَّنة لتحقيق الكفاءة وتترك هامش أمان ضئيلاً للغاية. حدث متطرف واحد يمكنه في غضون أسابيع معدودة أن ينتشر عبر سلاسل التوريد وأسواق الطاقة والأنظمة الغذائية. لذلك، فإن القدرة على تعيين احتمال لحدث لم يقع بعد — ليست مسألة فضول علمي فحسب، بل مسألة مرونة وطنية واقتصادية. الخوارزمية الجديدة من MIT تخطو هذه الخطوة: إنها لا تتنبأ بالمستقبل من الماضي، بل تساعد على الاستعداد لما هو ممكن إحصائياً، حتى لو لم يحدث أبداً.
