Wykorzystanie uczenia maszynowego do wykrywania przemocy politycznej i przewidywania konfliktów
W dzisiejszym świecie konflikty i przemoc nadal powodują niewyobrażalne cierpienia i straty. Gdyby można było przewidzieć pojawienie się zorganizowanej przemocy politycznej i prawdopodobieństwo konfliktu w krajach w różnych zakątkach świata, możliwe byłoby podjęcie środków zapobiegających wystąpieniu przemocy. Te tematy zainteresowały naukowców z Uniwersytetu w Uppsali w Szwecji. Wspierany przez Europejską Radę ds. Badań Naukowych projekt ViEWS ma na celu pomoc zagrożonym grupom ludności jeszcze przed wybuchem konfliktu. „Wiemy, że systemy wczesnego ostrzegania są niezbędne do zapobiegania konfliktom i ich łagodzenia. Ale jeszcze ważniejsze jest podejmowanie działań z wyprzedzeniem w oparciu o te ostrzeżenia”, mówi Håvard Hegre, główny badacz projektu. „Jeśli uda nam się przewidzieć, gdzie i kiedy może dojść do konfliktu, możemy współpracować z rządami i organizacjami humanitarnymi, by podjąć odpowiednie działania, zanim sytuacja się pogorszy”.
Pożytek z algorytmów
Zespół projektu ViEWS wykorzystuje algorytmy uczenia maszynowego do analizy szeregu źródeł danych, a także czynników społeczno-ekonomicznych, wydarzeń politycznych i przypadków występowania przemocy z przeszłości. Następnie system przypisuje ocenę ryzyka każdemu krajowi, wskazując prawdopodobieństwo wybuchu konfliktu w ciągu najbliższych 12 miesięcy, jak wyjaśnia Hegre, profesor Instytutu Badań nad Pokojem w Oslo i Departamentu Badań nad Pokojem i Konfliktem Uniwersytetu w Uppsali. Ściślej mówiąc, system monitoruje wszystkie zagrożone lokalizacje i tworzy jednolite prognozy liczby ofiar śmiertelnych w zbliżającym się konflikcie państwowym. Prognozy te są łączone z probabilistycznymi ocenami ryzyka przemocy państwowej, niepaństwowej i jednostronnej, zarówno na poziomie krajowym, jak i lokalnym. Dane z prognoz krajowych są przekazywane do prognoz lokalnych i odwrotnie, ale analizy na tych dwóch poziomach różnią się od siebie. Są to oddzielne oceny, które należy interpretować w zestawieniu ze sobą. Na przykład w modelach opartych na prognozach krajowych uwzględnia się wartościowe czynniki strukturalne i historyczne. Z kolei w modelach lokalnych położono nacisk na skutki lokalnych, złożonych zagrożeń związanych z demografią, ukształtowaniem terenu, bliskością zasobów naturalnych, lokalną ilością opadów, suszami i historią konfliktów na sąsiednich obszarach.
Inspiracje i obiecujące wyniki
Jak mówi Hegre, główną inspiracją dla projektu ViEWS były badania ilościowe nad konfliktami zbrojnymi prowadzone od lat 90. W badaniach zidentyfikowano wzorce występowania konfliktów, takie jak fakt, że konflikty międzypaństwowe rzadko występują między krajami demokratycznymi, a konflikty wewnętrzne są bardziej powszechne właśnie w krajach o systemie demokratycznym i w biedniejszych regionach w pobliżu granic międzypaństwowych. Dzięki tej wiedzy Hegre i jego zespół postanowili opracować system, dzięki któremu można przewidywać konflikty zbrojne i ostrzegać społeczność międzynarodową o regionach wysokiego ryzyka. Metody opracowane w projekcie ViEWS były początkowo wykorzystywane pilotażowo w Afryce, ze względu na dużą liczbę konfliktów na tym kontynencie, a w 2022 roku wdrożono je także na Bliskim Wschodzie. Wpływ projektu ViEWS jest znaczący, szczególnie w regionach, w których konflikt jest powracającym problemem. Dzięki identyfikacji obszarów zagrożonych, rządy i organizacje humanitarne mogą podjąć kroki w celu rozwiązania kwestii leżących u podstaw konfliktu i zapewnienia wsparcia narażonym grupom ludności. Hegre optymistycznie ocenia potencjał projektu, który może radykalnie wspomóc zapobieganie konfliktom na całym świecie. „Dostarczając decydentom aktualnych i dokładnych informacji, możemy współpracować, aby zapobiec druzgocącym konsekwencjom konfliktu”, mówi badacz. Prognozy uzyskiwane dzięki projektowi ViEWS są dostępne za pośrednictwem interfejsu programowania aplikacji (ang. application programming interface, API), który jest aktualizowany co miesiąc. „Wiemy, że nasze API jest wykorzystywane przez organizacje ONZ. Jedno z biur ONZ utworzyło wewnętrzną »tablicę«, na której prognozy są zestawiane z innymi informacjami i wykorzystywane podczas spotkań z zainteresowanymi stronami”, mówi Hegre. Tym samym projekt przyczynił się do powstania raportu ONZ, który przedstawia prognozy uzyskane dzięki projektowi ViEWS. „Nadal współpracujemy z organizacjami międzynarodowymi i rządami, które mają wewnętrzne systemy wczesnego ostrzegania”, dodaje Hegre. „Nie wiemy dokładnie, jak często używany jest system przewidywania ViEWS. Jest publicznie dostępny i choć nie monitorowaliśmy jego użycia zbyt dokładnie, wiemy, że jest on postrzegany jako punkt odniesienia i że na podstawie wielu pomysłów, które przetestowaliśmy, powstają osobne modele”.
Słowa kluczowe
ViEWS, zapobieganie konfliktom, system wczesnego ostrzegania o przemocy, algorytmy uczenia maszynowego, ocena ryzyka, Afryka