تصور کنید سیستمی داشته باشیم که نه تنها محل آتشسوزی را پیشبینی کند، بلکه دقیقاً بگوید هر واحد آتشنشانی در هر ثانیه باید کجا باشد تا فاجعه متوقف شود. اگر هنوز تصور میکنید هوش مصنوعی فقط برای تحلیل دادههای گذشته است، باید بدانید که عصر «تجویز» آغاز شده است.
به نقل از مقالهای که در ۷ مه ۲۰۲۶ در arxiv.org منتشر شد، یک چارچوب جدید معرفی شده است که با ادغام مدلسازی پیشبین و بهینهسازی تجویزی، مساحت مناطق سوخته در اثر آتشسوزیهای جنگلی را بهطور قابلتوجهی کاهش میدهد. طبق اعلام پژوهشگران، این سیستم چالش حیاتی تخصیص منابع محدود در مناطق جغرافیایی پراکنده را حل میکند.
هستهی فنی این سیستم بر پایه یک الگوریتم شاخه و قیمت و برش دوطرفه (Two-sided branch-and-price-and-cut algorithm) بنا شده است. این سازوکار به سیستم اجازه میدهد تا بهصورت تکرارشونده، برنامههای مهار آتش و مسیرهای اعزام نیرو را تولید کند. برای مدیریت ماهیت غیرقابلپیشبینی آتش، نویسندگان موارد زیر را پیاده کردهاند:
- یک مدل بهینهسازی اعداد صحیح (Integer Optimization) با استفاده از شبکههای زمان-فضا-استراحت و زمان-وضعیت.
- خانوادهی جدیدی از «برشها» برای بهرهبرداری از ساختار کولهپشتی در محدودیتهای پیوندی.
- قوانین شاخهبندی نوآورانه برای مدیریت دینامیکهای غیرخطی آتشسوزی.
همانطور که در تحلیلهای پیشین ما دربارهی مدلهای بهینهسازی عاملمحور اشاره کردیم، دقت در تخمین متغیرها کلید موفقیت است. به همین دلیل، تیم تحقیق از رویکرد یادگیری ماشین دوگانه (Double Machine Learning) استفاده کرد تا اثرات مخدوشکننده بین تخصیصهای تاریخی نیرو و رشد واقعی آتش را حذف کند و تخمین دقیقتری از گسترش حریق به دست آورد.
بر اساس مستندات این پژوهش، این رویکرد از پیشبینی ساده فراتر رفته و به «تجویز فعال» میپردازد؛ یعنی امکان اشتراک منابع بین حوزههای مختلف مدیریتی را فراهم میکند که منجر به کاهش چشمگیر تخریبات جنگلی شده است.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است؛ ادغام دادههای لحظهای ماهوارهای در حلقهی بهینهسازی، گام بعدی این فناوری خواهد بود.
گام بعدی شما
- بررسی متدولوژی یادگیری ماشین دوگانه برای حذف متغیرهای مخدوش در دادههای عملیاتی.
- مطالعهی کاربردهای بهینهسازی اعداد صحیح در مدیریت زنجیره تأمین و لجستیک بحران.
- دنبال کردن پیشرفتهای مربوط به تلفنمتری ماهوارهای در سیستمهای تصمیمگیر لحظهای.
گفتگو