Berta Sándor
Előrejelezhetők a ritka események?
A nem gyakran bekövetkező történések esetében nagyon nehéz prognózist készíteni.
Olga Fink, az ETH Zürich professzora mesterséges intelligencia algoritmusokat fejleszt ipari létesítményekhez, vasúti járművekhez és erőművekhez. A szakember célja, hogy előrejelezhetővé tegye a ritka eseményeket még azelőtt, hogy azok bekövetkeznének. Mindez azt eredményezi, hogy a különböző rendszerek a korábbinál hosszabb ideig és biztonságosabban működtethetők.
Fink kiemelte, hogy a kutatásukat az emberek egészségügyi állapotának ellenőrzésével lehet összehasonlítani, de az a különbség, hogy a betegeik járművek vagy ipari létesítmények. Normális esetben az algoritmusok példákból, mintákból tanulnak és ehhez viszonylag sok adatra van szükségük, hogy új információkhoz férhessenek hozzá. A ritka eseményeknél viszont, mint a biztonsági szempontból kritikus létesítmények kiesése, hiányoznak ezek a példák.
A kutató közölte, hogy ezek a komplexumok eleve úgy vannak megtervezve, hogy ritkán legyenek üzemzavaraik. Ezért részben évtizedekig tartana, amíg elegendő tanulásra alkalmas példát lehet összegyűjteni. Ezért a kutatásuk középpontjában azoknak az algoritmusoknak a kifejlesztése van, amelyek egy ilyen esemény előrejelzését lehetővé teszik.
Az egyik fő kihívást az jelenti, hogy az algoritmusok az új rendszereken is működjenek, amelyekkel kapcsolatban még alig gyűjtöttek adatokat. Kiemelt szempont, hogy a szoftverek ne csak egyes járművekhez vagy létesítményekhez legyenek elérhetők, s viszonylag egyszerűen legyenek átvihetők akár nagyobb rendszerekre is. Továbbá fontos, hogy az eredményeket a szakértők is tudják értelmezni, mert csak akkor bíznak meg az algoritmusok ajánlásaiban.
Fink az algoritmusokat olyan fizikai modellekkel ötvözi, amelyek a létesítmények magatartását szimulálják. Így nem csupán azt lehet előrejelezni, hogy mikor esik ki egy-egy komplexum, hanem azok működését is úgy lehet a körülményekhez igazítani, hogy mérsékelni lehessen a hibás funkciók vagy az üzemzavarok hatásait.
A szakember 2009 óta foglalkozik a hibaprognózishoz használható intelligens rendszerekkel. A célja az, hogy olyan innovatív módszereket fejlesszen ki, amelyek megoldják a területen jelentkező problémákat.
Olga Fink, az ETH Zürich professzora mesterséges intelligencia algoritmusokat fejleszt ipari létesítményekhez, vasúti járművekhez és erőművekhez. A szakember célja, hogy előrejelezhetővé tegye a ritka eseményeket még azelőtt, hogy azok bekövetkeznének. Mindez azt eredményezi, hogy a különböző rendszerek a korábbinál hosszabb ideig és biztonságosabban működtethetők.
Fink kiemelte, hogy a kutatásukat az emberek egészségügyi állapotának ellenőrzésével lehet összehasonlítani, de az a különbség, hogy a betegeik járművek vagy ipari létesítmények. Normális esetben az algoritmusok példákból, mintákból tanulnak és ehhez viszonylag sok adatra van szükségük, hogy új információkhoz férhessenek hozzá. A ritka eseményeknél viszont, mint a biztonsági szempontból kritikus létesítmények kiesése, hiányoznak ezek a példák.
A kutató közölte, hogy ezek a komplexumok eleve úgy vannak megtervezve, hogy ritkán legyenek üzemzavaraik. Ezért részben évtizedekig tartana, amíg elegendő tanulásra alkalmas példát lehet összegyűjteni. Ezért a kutatásuk középpontjában azoknak az algoritmusoknak a kifejlesztése van, amelyek egy ilyen esemény előrejelzését lehetővé teszik.
Az egyik fő kihívást az jelenti, hogy az algoritmusok az új rendszereken is működjenek, amelyekkel kapcsolatban még alig gyűjtöttek adatokat. Kiemelt szempont, hogy a szoftverek ne csak egyes járművekhez vagy létesítményekhez legyenek elérhetők, s viszonylag egyszerűen legyenek átvihetők akár nagyobb rendszerekre is. Továbbá fontos, hogy az eredményeket a szakértők is tudják értelmezni, mert csak akkor bíznak meg az algoritmusok ajánlásaiban.
Fink az algoritmusokat olyan fizikai modellekkel ötvözi, amelyek a létesítmények magatartását szimulálják. Így nem csupán azt lehet előrejelezni, hogy mikor esik ki egy-egy komplexum, hanem azok működését is úgy lehet a körülményekhez igazítani, hogy mérsékelni lehessen a hibás funkciók vagy az üzemzavarok hatásait.
A szakember 2009 óta foglalkozik a hibaprognózishoz használható intelligens rendszerekkel. A célja az, hogy olyan innovatív módszereket fejlesszen ki, amelyek megoldják a területen jelentkező problémákat.