Επιστήμονες εκτιμούν ότι τα προηγμένα μοντέλα τεχνητής νοημοσύνης, εφόσον τροφοδοτηθούν με επαρκή δεδομένα, θα είναι κάποτε σε θέση να προβλέπουν ποιοι «κυματισμοί» από φαινομενικά ασήμαντα περιστατικά εξελίσσονται σε «παλιρροιακά κύματα» που μπορούν να επηρεάσουν τις χρηματοπιστωτικές αγορές, να προκαλέσουν επαναστάσεις ή ακόμη και να οδηγήσουν σε πολεμικές συγκρούσεις.
Η ιδέα της πρόβλεψης του μέλλοντος μέσω μοτίβων που αντλούνται από το παρελθόν δεν είναι καινούργια, καθώς είχε ήδη εφαρμοστεί σε περιπτώσεις κατά το πρώτο μισό του 20ού αιώνα. Σήμερα, ο επιστήμονας Peter Turchin και η ερευνητική του ομάδα έχουν συγκεντρώσει επί μία δεκαετία περίπου 80.000 στοιχεία ποιοτικών και ποσοτικών δεδομένων από κοινωνίες που εκτείνονται χρονικά έως την Παλαιολιθική εποχή, επιδιώκοντας να ερμηνεύσουν το παρελθόν και να διαμορφώσουν εκτιμήσεις για το μέλλον.
Τα δεδομένα αυτά αναλύονται με στόχο την ανίχνευση επαναλαμβανόμενων μοτίβων, μέσω υπολογιστικών μοντέλων πρόβλεψης, μια διαδικασία που προς το παρόν δεν βασίζεται σε τεχνητή νοημοσύνη, αλλά θα μπορούσε σύντομα να ενσωματώσει τέτοιες τεχνολογίες.
Η ερευνητική ομάδα έχει αξιοποιήσει τη βάση δεδομένων της για να διατυπώσει υποθέσεις σχετικά με τους λόγους που οδηγούν σε περιόδους κρίσης. Όπως προκύπτει, επαναστάσεις εμφανίζονται συχνά όταν συνυπάρχουν παράγοντες όπως η φτώχεια σημαντικού μέρους του πληθυσμού και η αύξηση των ελίτ που ανταγωνίζονται για περιορισμένες θέσεις εξουσίας. «Όταν αυτά συμβαίνουν ταυτόχρονα και το κράτος αντιμετωπίζει οικονομική δυσχέρεια, αυξάνεται η πιθανότητα επανάστασης και εμφυλίων συγκρούσεων», επισημαίνουν, φέρνοντας ως παράδειγμα τη Γαλλική Επανάσταση.
Ο Turchin αξιοποίησε τις ίδιες μεθόδους ήδη από το 2010 για να προβλέψει ότι το 2020 θα χαρακτηριζόταν από έντονη αστάθεια και αναταραχή.
Ωστόσο ορισμένοι έχουν εκφράσει επιφυλάξεις σχετικά με την ιδέα ότι η ιστορία μπορεί να χρησιμοποιηθεί ως εργαλείο πρόβλεψης του μέλλοντος. Επιπλέον, τα τυχαία και μεμονωμένα γεγονότα τύπου «Μαύρου Κύκνου», που μπορούν να προκαλέσουν κρίσεις, είναι από τη φύση τους απρόβλεπτα.
Παρόλα αυτά, σε πολλές περιπτώσεις εντοπίζονται προειδοποιητικά σημάδια που προηγούνται τέτοιων εξελίξεων. Δεν προκαλεί έκπληξη ότι οι κυβερνήσεις και οι στρατιωτικοί οργανισμοί συγκαταλέγονται στους φορείς που έχουν επενδύσει περισσότερο σε αυτό το πεδίο μέχρι σήμερα.
Το 2020, ένα απόρρητο πρόγραμμα των αμερικανικών υπηρεσιών πληροφοριών αξιοποίησε τεχνητή νοημοσύνη με την ονομασία Raven Sentry για την πρόβλεψη επιθέσεων των Ταλιμπάν στο Αφγανιστάν. Το σύστημα τροφοδοτήθηκε με δεδομένα από ιστορικά περιστατικά βίας στην περιοχή, σε συνδυασμό με πληροφορίες σε πραγματικό χρόνο, όπως καιρικά δεδομένα, αναρτήσεις στα μέσα κοινωνικής δικτύωσης, ειδησεογραφικές αναφορές και εικόνες από εμπορικούς δορυφόρους, σύμφωνα με μελέτη που δημοσιεύθηκε σε περιοδικό του Στρατιωτικού Κολλεγίου των ΗΠΑ.
Το μοντέλο φέρεται να πέτυχε ακρίβεια της τάξης του 70%, συγκρίσιμη με εκείνη των ανθρώπινων αναλυτών, αλλά με σαφώς μεγαλύτερη ταχύτητα επεξεργασίας.
Μία από τις αμυντικές εταιρείες που συμμετείχαν στο πρόγραμμα, η Rhombus Power, υποστηρίζει ότι αξιοποίησε γενετική τεχνητή νοημοσύνη για να προβλέψει την εισβολή της Ρωσίας στην Ουκρανία, αναλύοντας δεδομένα όπως δορυφορικές εικόνες, κινήσεις σε εγκαταστάσεις πυραύλων και τοπικές εμπορικές δραστηριότητες. Ωστόσο, οι συγκεκριμένες προβλέψεις δεν είχαν δημοσιοποιηθεί εκ των προτέρων, γεγονός που καθιστά δύσκολη την επαλήθευση των ισχυρισμών.
Παράλληλα, άλλες ερευνητικές ομάδες αναπτύσσουν νευρωνικά δίκτυα με στόχο την πρόβλεψη επισιτιστικών κρίσεων, σε ορισμένες περιπτώσεις βασιζόμενες αποκλειστικά σε κλιματικά δεδομένα. Το βρετανικό Ινστιτούτο Alan Turing για την τεχνητή νοημοσύνη επισημαίνει, ωστόσο, ότι η τεχνολογία πρόβλεψης που βασίζεται στην AI δεν έχει ακόμη φτάσει στο απαιτούμενο επίπεδο ωριμότητας.
Συνολικά, εκτιμάται ότι οι δύο πιο υποσχόμενες εφαρμογές της τεχνητής νοημοσύνης στον τομέα αυτό είναι η πιο ακριβής παρακολούθηση των δεικτών κινδύνου σύγκρουσης και η ταχεία εκτίμηση πιθανών εξελίξεων αμέσως μετά την εκδήλωση ενός σοκ.
Σχεδόν εξίσου σημαντικό με το να γνωρίζουμε πότε θα εκδηλωθεί μια κρίση είναι να κατανοούμε τις πιθανές δευτερογενείς επιπτώσεις της, τονίζει ο Eugene Chausovsky, ανώτερος διευθυντής στο New Lines Institute στις ΗΠΑ, ένα think tank που ειδικεύεται στις γεωπολιτικές προβλέψεις. Τον τελευταίο χρόνο, ο Chausovsky και η ομάδα του έχουν προσομοιώσει διαφορετικά σενάρια της κρίσης στα Στενά του Ορμούζ που εξελίσσεται σήμερα. Σε συνεργασία με τη νεοφυή εταιρεία τεχνητής νοημοσύνης Mantis Analytics, αξιοποίησαν την AI για να ενισχύσουν τις αναλύσεις τους, εξετάζοντας τις δευτερογενείς επιπτώσεις στις αγορές ενέργειας, στους ημιαγωγούς και στη γεωργία.
Οι χρηματοπιστωτικές ρυθμιστικές αρχές προσδοκούν επίσης ότι η τεχνητή νοημοσύνη θα τους προσφέρει πλεονέκτημα στην έγκαιρη ανίχνευση κινδύνων και θα συμβάλει στη βελτίωση του πλαισίου εποπτείας των αγορών.
Για παράδειγμα, εκπαιδεύοντας ένα μοντέλο AI με δεδομένα 20 ετών έως το 2019, αυτό κατέστη ικανό να προβλέψει με ακρίβεια ποια χρηματοοικονομικά περιουσιακά στοιχεία θα κατέγραφαν τις μεγαλύτερες απώλειες το 2020, καθώς και ποιοι επενδυτές συνέβαλαν περισσότερο στην πτώση των αγορών.
Οι αναλυτές επισημαίνουν, πάντως, ότι η τεχνητή νοημοσύνη δεν θα πρέπει να αντικαταστήσει τα παραδοσιακά μοντέλα οικονομικής ανάλυσης, αλλά να λειτουργεί συμπληρωματικά.
Αν και θα χρειαστούν πιθανότατα πολλές επαναλήψεις μέχρι η AI να μπορεί να προβλέπει με ακρίβεια κρίσεις, ήδη παρουσιάζει επιτυχίες σε προβλέψεις από αθλητικά έως πολιτικά. Προς το παρόν, ωστόσο, ο ανθρώπινος παράγοντας εξακολουθεί να διατηρεί το προβάδισμα.
Διαβάστε ακόμη
Παγκόσμιος συναγερμός για τα αποθέματα πετρελαίου: Οριακή η κατάσταση στις αγορές ενέργειας
Με αυτό το απλό τεστ σε μία καρέκλα προβλέπονται κατάγματα, νοσηλείες και θνησιμότητα
Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφτείτε το Πρώτο Θέμα
Σχολίασε εδώ
Για να σχολιάσεις, χρησιμοποίησε ένα ψευδώνυμο.