Naukowcy z MIT opracowali metodę sztucznej inteligencji do prognozowania ekstremalnych zjawisk pogodowych, które nigdy wcześniej nie występowały w historii danego regionu. Narzędzie, nazwane eta-learning (Extreme Event Aware learning), zostało opisane przez Kaia Changa, doktoranta z wydziału inżynierii mechanicznej, oraz profesora Themisa Sapsisa w artykule opublikowanym w czasopiśmie Nature Communications 20 sierpnia. System generuje mapy potencjalnych zdarzeń pogodowych, które są statystycznie możliwe, ale nie pojawiały się w lokalnych archiwach. Każda mapa zawiera szacunki prawdopodobnego czasu trwania zdarzenia, jego intensywności oraz wielkości obszaru, który może być dotknięty.
Istniejące modele prognozowania ryzyka działają inaczej - zazwyczaj bazują na zbiorach danych zawierających ekstremalne zdarzenia, aby nauczyć się warunków, które je spowodowały, a następnie ekstrapolować te wzorce w przyszłość. Problem tego podejścia polega na tym, że limit wiedzy jest ograniczony tym, co już się wydarzyło. Chang zwrócił uwagę, że tradycyjne metody są oparte na założeniu, że w danych treningowych znajdują się bardzo katastrofalne zdarzenia, które system analizuje przed tworzeniem prognozy.
Rozwiązanie MIT ma ogromne znaczenie praktyczne dla ubezpieczycieli, planistów miast i operatorów sieci energetycznych, którzy chcą wiedzieć, jak może wyglądać niezwykłe w skutkach zdarzenie pogodowe, takie jak burza raz na sto lat. Zdolność do prognozowania zdarzeń bez precedensu w historii danego miejsca otwiera nowe możliwości w zarządzaniu ryzykiem klimatycznym i przygotowaniu infrastruktury do wyzwań, które mogą być bardziej ekstremalne niż cokolwiek, co do tej pory zaobserwowano.