چرا ما نمی توانیم پیش بینی کنیم که در آن میلیون ها پناهنده آب و هوا به آنجا می روند

چرا ما نمی توانیم پیش بینی کنیم که در آن میلیون ها پناهنده آب و هوا به آنجا می روند gregorioa / shutterstock

در آینده نزدیک ، گرم شدن کره زمین پیش بینی می شود میلیون ها نفر را ایجاد کند پناهندگان آب و هوا، و افراد و سازمان ها در حال جستجو برای یافتن راه هایی برای کمک به آنها هستند. برخی از ایده ها آشکار است ، مانند بهبود شرایط در اردوگاه های پناهندگان.

اما همچنین پروژه های پیشرفته تری مانند استفاده از الگوریتم ها وجود دارد پیش بینی جایی که افراد آواره به آنجا سفر می کنند. چنین پیش بینی هایی بسیار مهم هستند. آنها می توانند به سازمانهای پشتیبانی کمک کنند که در مکانهای مناسب آماده شوند ، آنها می توانند سیاست فعلی را ارزیابی کنند (با ارزیابی یک سناریوی خلاف واقع "چه می شود") و همچنین می توانند به پیش بینی جمعیت پناهندگان در مناطق دور افتاده یا خطرناک که اطلاعات تجربی کمی دارند کمک کنند.

بنابراین می توان پیش بینی کرد که پناهندگان آب و هوا به کجا می روند ، درست است؟

نه. با وجود ادعاهای جسورانه و هیجان انگیز که پیش بینی پناهندگان است تا حد زیادی حل شد، ما قانع نیستیم به عنوان دانشمندان رایانه ای که بر روی این مشکل دقیق کار می کنند ، چنین ادعاهایی به نظر می رسد نمونه ای دردناک از دویدن قبل از راه رفتن است.

تقریباً چهار سال پیش ، ما شروع به تحقیق درباره چگونگی فرار مردم از درگیری های مسلحانه کردیم. بسیاری از مردم به دلیل بهار عربی و جنگ سوریه آواره شدند ، اما کارهای اندکی برای پیش بینی اینکه در کجا می توانند به پایان برسند انجام شده است.

چرا ما نمی توانیم پیش بینی کنیم که در آن میلیون ها پناهنده آب و هوا به آنجا می روند منطقه ساحل آفریقا شامل بسیاری از آسیب پذیرترین اقلیم در جهان است. mbrand85 / shutterstock

با همکارمان دیوید بل ، ابزاری را ایجاد کردیم که بتواند کمک کند و کار خود را در آن منتشر کرد طبیعت گزارش علمی. ابزار ما هر شخص را به عنوان یک عامل مستقل نشان می دهد ، و سپس از قوانین ساده استفاده می کند که برگرفته از بینش های علمی است - برای مثال "مردم تمایل دارند هنگام باران از سفر در کوه ها خودداری کنند" - برای تعیین اینکه چه موقع دیگری حرکت می کنند و جایی که.

این متفاوت از رویکردهای "یادگیری ماشینی" است ، که از داده های تاریخی برای "آموزش" الگوریتم برای تولید قوانین و بنابراین پیش بینی ها استفاده می کنند. به عنوان مثال ، ممکن است به این نوع داده ها یادگیری ماشین داده شود: "تعداد افرادی که در اردوگاه پناهندگان نزدیک به یک منطقه کوهستانی در یک درگیری که شاید سالها پیش اتفاق افتاده باشد ، یا اخیراً اما در کشور دیگری وارد شده اند. مسئله اصلی این است که داده های تاریخی که برای یادگیری ماشین استفاده می شود همیشه کمی هستند و هرگز در مورد تعارضی نیستند که شبیه سازی مستقیماً برای آن ایجاد شده است.

برای دیدن نحوه عملکرد روش در عمل ، ابزار خود را در برابر آن آزمایش کردیم داده های UNHCR از سه درگیری اخیر در بوروندی ، جمهوری آفریقای مرکزی و مالی. ابزار ما به درستی پیش بینی کرده است که بیشتر از 75٪ پناهندگان به کجا می روند.

چرا ما نمی توانیم پیش بینی کنیم که در آن میلیون ها پناهنده آب و هوا به آنجا می روند مدل های شبکه برای (ب) بوروندی ، (ب) جمهوری آفریقای مرکزی و (ج) مالی. مناطق درگیری (حلقه های قرمز) ، اردوگاه های پناهندگی (حلقه های سبز تیره) ، مراکز حمل و نقل (محافل سبز روشن) و سایر شهرک های مهم (حلقه های زرد). سلیمنووا و همکاران (2017)

ما از آن زمان تجزیه و تحلیل خود را برای پناهندگان فرار از درگیری در سودان جنوبی ، به عنوان بخشی از این ، اعمال کرده ایم سلام پروژه در این مطالعه ، آینده در مجله انجمن های مصنوعی و شبیه سازی اجتماعیما همچنین بررسی کردیم که چگونه تصمیمات مربوط به سیاست مانند بستن مرزها بر مهاجرت پناهندگان به کشورهای همسایه مانند اتیوپی یا اوگاندا تأثیر می گذارد.

فهمیدیم که واقعاً پیوندی وجود دارد - بستن مرز اوگاندا در مدل ما باعث می شود که 40٪ "عوامل" کمتر بعد از روزهای 300 وارد اردوگاه شوند و این تأثیر حتی پس از بازگشایی مرز در روز 301 ادامه می یابد. ابزار ما به درستی پیش بینی کرده است که 75 of پناهندگان واقعاً در چه وضعیت واقعی زندگی می کنند.

اما انجام یک "بازگرداندن" صحیح در این موارد تاریخی به این معنی نیست که شما می توانید پیش بینی کنید. پیش بینی وضعیت مردم به سه دلیل بسیار دشوارتر از پیش بینی وضعیت تاریخی است.

چرا ما نمی توانیم پیش بینی کنیم که در آن میلیون ها پناهنده آب و هوا به آنجا می روند مدرسه ای در اوگاندا برای پناهندگان جنگ از سودان جنوبی. روبرتو مالدنو / فلیکر, CC BY-NC-ND

  1. هر مدل فرضیاتی می کند. به عنوان مثال ، الگویی که پیش بینی می کند پناهندگان به کجا می روند ممکن است فرضیاتی راجع به نحوه حمل و نقل آنها یا احتمال اینکه آنها یک شب بمانند در محلی که قبلاً خشونت رخ داده است ، فرض کنند. هنگام پیش بینی ، باید بدانیم که وقتی این فرضیات را کمی تکان می دهیم چه اتفاقی می افتد (ما این مورد را در قسمت زیر بررسی می کنیم پروژه VECMA) هرچه شواهد کمتری برای یک فرض در اختیار داشته باشیم ، ما نیاز به تکان دادن و تحلیل نحوه پاسخ مدل ما داریم. مدلهای یادگیری ماشینی هنگام آموزش ، پیش فرض های ضمنی (و غیرقابل توجیهی) را ایجاد می کنند - برای مثال مقصد انتخاب شده با ارزش سهام شرکت X ارتباط دارد. در مدلهای مبتنی بر عامل ، این فرضیات از عوامل جسمی مانند حضور کوه ها یا گروه های مسلح ، و صریحاً قابل آزمایش هستند.

  2. پیش بینی یک چیز شما را به پیش بینی بسیاری موارد دیگر نیز می طلبد. وقتی ما پیش بینی می کنیم که چگونه مردم از درگیری فرار می کنند ، باید پیش بینی کنیم که چگونه درگیری شکل می گیرد. و این می تواند به قیمت های بازار آینده ، اثرات آب و هوا و آب و هوا یا تغییرات سیاسی بستگی داشته باشد ، که همگی به پیش بینی نیاز دارند. واضح است: وقتی اعتبار پیش بینی های خود را در برابر یک موقعیت تاریخی تصدیق کردیم ، به هیچکدام از این مدل ها احتیاج نداشتیم ، بنابراین ما فقط در حال ساخت مدل های جدید هستیم تا پیش بینی ها ممکن باشد.

  3. آوارگان اجباری معمولاً از حوادث غیر منتظره و مخرب فرار می کنند. در اینجا داده هایی که الگوریتم های یادگیری ماشین "آموزش" می شوند ناقص ، مغرضانه یا غالباً وجود ندارند. ما استدلال می کنیم که مدلهای مبتنی بر عامل مؤثر هستند زیرا به داده های آموزشی نیازی ندارند و از درک فرآیندهای محرک جابجایی اجباری بهره مند می شوند.

بنابراین ما آن را ترک نکرده ایم.

بله ، پیش بینی کار سخت است. ما هنوز نمی دانیم پناهندگان آب و هوا و سایر آوارگان به کجا می روند. ما هنوز هم به ابر رایانه های بزرگ احتیاج داریم پیش بینی هوای هفته آینده.

بنابراین می گوید از این ایده که پیش بینی پناهندگان قبلاً حل شده است ، به ویژه اگر با ادعاهای مربوط به این که "مرز بعدی"برای دانشمندان رایانه در (بحث برانگیز) است استخراج داده ها از پناهندگان آسیب پذیر که غالباً از خطرات حریم خصوصی و امنیتی بی اطلاع هستند. با توجه به اینکه پیش بینی میلیون ها پناهنده آب و هوا به کجا می رود دشوار است ، "مرز بعدی" هنوز آخرین مرز است.گفتگو

درباره نویسنده

درک گرون ، مدرس شبیه سازی و مدل سازی ، دانشگاه برونل لندن و دیانا سلیمانووا ، محقق دکتری ، علوم کامپیوتر ، دانشگاه برونل لندن

این مقاله از مجله منتشر شده است گفتگو تحت مجوز Creative Commons دفعات بازدید: مقاله.

کتاب های مرتبط

زندگی پس از کربن: تبدیل جهان بعدی شهرهای

by Pاتر پلاستریک، جان کلیولند
1610918495آینده شهرهای ما چیزی نیست که مورد استفاده قرار گیرد. مدل مدرن شهر که در قرن بیستم در سطح جهان قرار داشت، از اهمیت آن کاسته شده است. این مسئله نمی تواند مشکلات را که باعث ایجاد آن شد، به خصوص گرمایش جهانی، حل کند. خوشبختانه، مدل جدیدی برای توسعه شهری در شهرها به وجود آمده است تا به شدت با واقعیت های تغییرات آب و هوایی مواجه شود. این شیوه تبدیل شهرها به طراحی و استفاده از فضای فیزیکی، ایجاد ثروت اقتصادی، مصرف و دفع منابع، بهره برداری و حفظ اکوسیستم های طبیعی است و آماده شدن برای آینده است. موجود در آمازون

انقراض ششم: تاریخ غیر طبیعی

توسط الیزابت کلبرت
1250062187طی نیم میلیارد سال گذشته، پنج تن از انقراض جمعی وجود داشته است، زمانی که تنوع زندگی بر روی زمین ناگهان و به طور چشمگیری متوقف شد. دانشمندان در سراسر جهان در حال حاضر نظارت بر انقراض ششم، پیش بینی کرده اند که منحرف ترین انقراض از اثر سیارک است که از بین بردن دایناسورها. این زمان در اطراف ما، حوادث ما است. در پروسه ای که یک بار فریبنده، سرگرم کننده و عمیقا آگاه است، نیویورکر نویسنده الیزابت کلبرت به ما می گوید که چرا و چگونه انسان ها زندگی را بر روی سیاره تغییر داده اند به گونه ای که هیچ گونه گونه ای پیش از آن وجود نداشته است. کولبرت، تحقیقات متداول در نیمی از رشته ها، توصیف هایی از گونه های جذاب که قبلا از دست داده اند و تاریخ انقراض به عنوان یک مفهوم، کولبرت یک گزارش متحرک و جامع از ناپدید شدن های قبل از چشم ما را فراهم می کند. او نشان می دهد که انقراض ششم احتمالا میراث پایدار بشریت است و ما را مجبور به بازنگری در مسئله بنیادین آنچه که به معنای انسان است، بازنگری می کنیم. موجود در آمازون

جنگ آب و هوا: مبارزه برای بقا به عنوان بیش از حد جهانی

توسط گونین دایر
1851687181امواج پناهندگان آب و هوا ده ها تن از دولت های شکست خورده. جنگ تمامعیار. از یکی از تحلیل گران بزرگ ژئوپولتیک جهان، یک نگاه اجمالی به واقعیت های استراتژیک آینده نزدیک می آید، زمانی که تغییرات آب و هوایی قدرت های جهانی را نسبت به سیاست گزاف گویی بقا حفظ می کند. پیش داوری و نافذ جنگ آب و هوا یکی از مهم ترین کتاب های سال های آینده خواهد بود. آن را بخوانید و بفهمید چه چیزی را دنبال می کنید. موجود در آمازون

از ناشر:
خرید در آمازون برای هزینۀ آوردن شما هزینه می کند InnerSelf.comelf.com, MightyNatural.com, و ClimateImpactNews.com بدون هزینه و بدون تبلیغاتی که عادت مرور شما را دنبال می کنند. حتی اگر روی یک لینک کلیک کنید اما این محصولات انتخابی را خریداری نکنید، هر چیزی که شما در همان بازدید از آمازون خریداری می کنید، یک کمیسیون را به ما می دهد. هیچ هزینه اضافی برای شما وجود ندارد، پس لطفا در تلاش باشید. شما همچنین می توانید از این لینک استفاده کنید برای استفاده از آمازون در هر زمان، بنابراین می توانید به حمایت از تلاش های ما کمک کنید.

 

شما همچنین ممکن است

enafarzh-CNzh-TWdanltlfifrdeiwhihuiditjakomsnofaplptruesswsvthtrukurvi

به دنبال InnerSelf در

آیکون فیس بوکنماد توییترآیکون یوتیوبنماد اینستاگرامنماد pintrestآیکون rss

 دریافت آخرین با ایمیل

مجله هفتگی الهام روزانه

آخرین فیلم ها

مهاجرت بزرگ آب و هوایی آغاز شده است
مهاجرت بزرگ آب و هوایی آغاز شده است
by کاربر فوق العاده
بحران آب و هوایی هزاران نفر را در سراسر جهان مجبور به فرار می کند زیرا خانه های آنها به طور فزاینده ای غیر قابل سکونت می شوند.
آخرین عصر یخبندان به ما می گوید که چرا ما باید در مورد تغییر 2 درجه دما دقت کنیم
آخرین عصر یخبندان به ما می گوید که چرا ما باید در مورد تغییر 2 درجه دما دقت کنیم
by آلن ن ویلیامز ، و همکاران
آخرین گزارش هیئت بین دولتی در مورد تغییر آب و هوا (IPCC) بیان می کند که بدون کاهش قابل توجهی ...
زمین میلیاردها سال قابل سکونت بوده است - دقیقاً چقدر خوش شانس بودیم؟
زمین میلیاردها سال قابل سکونت بوده است - دقیقاً چقدر خوش شانس بودیم؟
by توبی تیرل
تولید Homo sapiens 3 یا 4 میلیارد سال طول کشید. اگر فقط یک بار آب و هوا کاملاً خراب شده بود
چگونه نقشه برداری از 12,000 سال قبل می تواند به پیش بینی تغییرات آب و هوایی آینده کمک کند
چگونه نقشه برداری از 12,000 سال قبل می تواند به پیش بینی تغییرات آب و هوایی آینده کمک کند
by بریس ریا
پایان آخرین عصر یخبندان ، حدود 12,000 سال پیش ، با یک مرحله سرد نهایی به نام Dryas Youngas مشخص شد.
در این قرن قرار است دریای خزر 9 متر یا بیشتر سقوط کند
در این قرن قرار است دریای خزر 9 متر یا بیشتر سقوط کند
by فرانک وسلینگ و ماتئو لاتوادا
تصور کنید در ساحل هستید و به دریا نگاه می کنید. در مقابل شما 100 متر شن و ماسه بی ثمر نهفته است که به نظر می رسد a
زهره یک بار دیگر مانند زمین بود ، اما تغییرات آب و هوایی آن را غیرقابل سکونت کرد
زهره یک بار دیگر مانند زمین بود ، اما تغییرات آب و هوایی آن را غیرقابل سکونت کرد
by ریچارد ارنست
ما می توانیم از ونوس ، سیاره خواهرمان چیزهای زیادی در مورد تغییر اقلیم یاد بگیریم. ونوس در حال حاضر دمای سطح…
پنج ناباوری از آب و هوا: یک دوره سقوط در اطلاعات نادرست آب و هوا
پنج ناباوری آب و هوا: یک دوره سقوط در اطلاعات نادرست آب و هوا
by جان کوک
این ویدئو یک دوره سقوط در اطلاعات نادرست آب و هوایی است ، خلاصه ای از استدلال های اصلی مورد استفاده برای ایجاد تردید در واقعیت ...
قطب شمال 3 میلیون سال است که این گرم نیست و این به معنای تغییرات بزرگ سیاره است
قطب شمال 3 میلیون سال است که این گرم نیست و این به معنای تغییرات بزرگ سیاره است
by جولی بریگام-گرت و استیو پتچ
هر سال ، پوشش یخ دریا در اقیانوس منجمد شمالی در اواسط سپتامبر به یک نقطه کم تبدیل می شود. این سال فقط 1.44 measures اندازه دارد

آخرین مقالات

3 درس آتش سوزی برای شهرهای جنگلی در حالی که Dixie Fire تاریخی Greenville ، کالیفرنیا را نابود می کند
3 درس آتش سوزی برای شهرهای جنگلی در حالی که Dixie Fire تاریخی Greenville ، کالیفرنیا را نابود می کند
by بارت جانسون ، استاد معماری منظر ، دانشگاه اورگان
آتش سوزی در جنگل کوهستانی گرم و خشک در 4 آگوست شهر گلدن راش گرین ویل ، کالیفرنیا را فرا گرفت ...
چین می تواند به اهداف انرژی و آب و هوایی برسد که به زغال سنگ محدود می شود
چین می تواند به اهداف انرژی و آب و هوایی برسد که به زغال سنگ محدود می شود
by آلوین لین
در اجلاس آب و هوا رهبر در ماه آوریل ، شی جین پینگ متعهد شد که چین "به شدت قدرت زغال سنگ را کنترل خواهد کرد ...
در حالی که آتش نشانان در کنار جاده ای پارک کرده اند به آسمان نارنجی نگاه می کنند ، یک هواپیما ضد آتش قرمز را روی آتش می اندازد
مدل پیش بینی آتش سوزی 10 ساله و سپس کاهش تدریجی را پیش بینی می کند
by هانا هیکی-یو واشنگتن
نگاهی به آینده آتش سوزی درازمدت پیش بینی می کند که یک آتش سوزی در حدود یک دهه آغاز شود ،…
آب آبی احاطه شده با چمن سفید مرده
نقشه 30 سال ذوب برف شدید در سراسر ایالات متحده را ردیابی می کند
by میکایلا میس-آریزونا
نقشه جدیدی از رویدادهای شدید ذوب برف در 30 سال گذشته فرآیندهایی را که باعث ذوب سریع می شوند ، روشن می کند.
یخ دریای سفید در آب آبی با غروب خورشید در آب منعکس شده است
مناطق یخ زده زمین سالانه 33 هزار مایل مربع در حال کوچک شدن هستند
by تگزاس A & M دانشگاه
کریوسفر کره زمین سالانه 33,000 مایل مربع (87,000 کیلومتر مربع) در حال کوچک شدن است.
یک ردیف بلندگوی زن و مرد روی میکروفون
234 دانشمند بیش از 14,000 مقاله تحقیقاتی را برای نوشتن گزارش آب و هوایی IPCC آینده مطالعه کردند
by استفانی اسپرا ، استادیار جغرافیا و محیط زیست ، دانشگاه ریچموند
این هفته ، صدها دانشمند از سراسر جهان در حال نهایی کردن گزارشی هستند که وضعیت جهان را ارزیابی می کند…
راسو قهوه ای با شکم سفید بر روی سنگ تکیه داده و از بالای شانه خود نگاه می کند
زمانی که راسوهای رایج در حال انجام یک عمل ناپدید کننده هستند
by لورا اولنیاس - ایالت NC
سه گونه راسو ، که زمانی در آمریکای شمالی رایج بودند ، احتمالاً رو به زوال هستند ، از جمله گونه ای که در نظر گرفته شده است…
با تشدید گرمای آب و هوا خطر سیل افزایش می یابد
by تیم رادفورد
جهان گرمتر جهان مرطوب تر خواهد بود. با بالا آمدن رودخانه ها و خیابان های شهر ، مردم بیشتری با خطر سیل روبرو خواهند شد…

 دریافت آخرین با ایمیل

مجله هفتگی الهام روزانه

نگرش جدید - امکانات جدید

InnerSelf.comClimateImpactNews.com | InnerPower.net
MightyNatural.com | WholisticPolitics.com | بازار داخلی
کپی رایت © 1985 - 2021 InnerSelf انتشارات. همه حقوق محفوظ است.