该算法旨在帮助关键基础设施和全球供应链预判最不擅长应对的罕见情况。
AI解读：关键基础设施和全球供应链平时依赖历史数据做风险评估，但极端事件恰恰是数据里几乎不出现的“黑天鹅”，传统模型因此经常失效。MIT研究人员开发的新算法试图绕开这个矛盾：它不要求你拥有大量极端事件的历史样本，而是从已有的普通运行数据中学习系统的基本规律，再据此生成那些最罕见、破坏力最强的场景。对电网调度、物流网络这类机构来说，这意味着可以用更现实的方式检验自己是否扛得住百年一遇的冲击，而不必等到灾难真的发生。不过目前公开信息只介绍了方法和适用目标，还没有给出具体测试效果或部署案例，实际能比现有方法改进多少，仍有待验证。
麻省理工学院（MIT）研究人员开发了一种新算法，用于生成极端事件场景，以帮助关键基础设施和全球供应链为最不寻常的突发情况做准备。相关介绍于8月24日由MIT新闻发布。
算法目的
该算法能在缺乏极端事件数据的情况下，学习生成“前所未有的场景”——即关键基础设施和全球供应链最不擅长应对的那类情况。MIT新闻的摘要指出，其目标是通过算法来预判那些在历史数据中极少出现、但可能造成重大冲击的事件场景。
- 适用对象：关键基础设施与全球供应链。
- 核心特点：不依赖大量极端事件历史数据。
- 预期用途：生成用于准备和应对的极端场景。