জেনারেটিভ এআই দুর্যোগ মডেলিংয়ে প্রবেশ করছে
বীমাকারীরা বন্যা, ঝড় এবং অন্যান্য দুর্যোগ মডেল করতে জেনারেটিভ এআই ব্যবহার শুরু করছে যা ঐতিহাসিক রেকর্ডে প্রচলিত ঝুঁকি অনুমান সমর্থন করার জন্য যথেষ্ট ঘন ঘন দেখা যায় না। আবেদনটি সরল: সিন্থেটিক ইভেন্ট জেনারেশন আন্ডাররাইটার, পুনর্বীমাকারী, ব্যাংক এবং অবকাঠামো অপারেটরদের ঐতিহ্যগত পদ্ধতির তুলনায় অনেক বেশি ভলিউম এবং বিশদে চরম পরিস্থিতি পরীক্ষা করতে সহায়তা করতে পারে।
কিন্তু প্রযুক্তিটি একটি পরিচিত সমস্যা নিয়ে আসছে। একই সিস্টেম যা বিপুল সংখ্যক সম্ভাব্য পরিস্থিতি তৈরি করতে পারে তা হ্যালুসিনেটও করতে পারে, বাস্তবসম্মত দেখায় এমন আউটপুট তৈরি করে যা দুর্যোগ মডেলিং নির্ভর করে এমন ভৌত যুক্তি লঙ্ঘন করে। এই উত্তেজনা জেনারেটিভ এআইকে অর্থের সবচেয়ে গুরুত্বপূর্ণ পূর্বাভাস শাখাগুলির মধ্যে একটির জন্য একটি প্রতিশ্রুতিশীল সরঞ্জাম এবং মডেল ঝুঁকির একটি নতুন উত্স উভয়ই করে তুলছে।
কেন শিল্প আরও সিন্থেটিক দুর্যোগ চায়
দুর্যোগ মডেলগুলি দীর্ঘদিন ধরে ভূমিকম্প, হারিকেন, বন্যা এবং অনুরূপ ঘটনার এক্সপোজার অনুমান করতে ব্যবহৃত হয়ে আসছে। সরবরাহকৃত উত্স উপাদান অনুসারে, এই পদার্থবিজ্ঞান-ভিত্তিক সিস্টেমগুলি বিশ্বকে গ্রিড কোষে বিভক্ত করে এবং মাধ্যাকর্ষণ, ঘর্ষণ এবং প্রবাহের মতো বিষয়গুলি জড়িত সমীকরণগুলি সমাধান করে। মডেলটি যত বেশি বিস্তারিত, গণনামূলক বোঝা তত বেশি। এটি স্থানিক রেজোলিউশন, বাস্তববাদ এবং ভৌগলিক কভারেজের মধ্যে ট্রেডঅফ বাধ্য করে।
জেনারেটিভ এআই এখন সেই সীমা প্রসারিত করতে ব্যবহৃত হচ্ছে। নিবন্ধটি বর্ণনা করে যে কীভাবে মডেলাররা বিদ্যমান জলবায়ু সিমুলেশনগুলি সরবরাহ করতে পারে তার চেয়ে অনেক বেশি আবহাওয়ার ঘটনা তৈরি করতে ডিফিউশন মডেল প্রয়োগ করছে। এটি বিরল, উচ্চ-প্রভাবিত দুর্যোগের জন্য সবচেয়ে গুরুত্বপূর্ণ, যাকে কখনও কখনও টেইল রিস্ক বলা হয়, যেখানে বাস্তব-বিশ্বের উদাহরণগুলি আত্মবিশ্বাসী মূল্য নির্ধারণ বা পোর্টফোলিও বিশ্লেষণ সমর্থন করার জন্য খুবই বিরল।
সেই প্রেক্ষাপটে, সিন্থেটিক ইভেন্টগুলি কেবল সুবিধা নয়। এগুলি ভবিষ্যতের জলবায়ু এবং দুর্যোগ এক্সপোজারের "অজানা অজানা" সম্ভাব্য ফলাফলের বিস্তৃত বিতরণ দিয়ে পূরণ করার একটি প্রচেষ্টা। যদি সিন্থেটিক পরিস্থিতি বিশ্বাসযোগ্য হয়, বীমাকারীরা মূলধন পর্যাপ্ততা, আন্ডাররাইটিং কৌশল এবং আঞ্চলিক এক্সপোজার পরীক্ষা করতে পারে বিরল ঐতিহাসিক তথ্যের চেয়ে বেশি সূক্ষ্মতার সাথে।
ফার্মগুলি মডেলগুলির সাথে কী করছে
উত্স পাঠ্যটি বেশ কয়েকটি উদাহরণ নির্দেশ করে। ফ্যাথম, সুইস রি-এর একটি সহায়ক সংস্থা, প্রায় 1,000 বছরের বিদ্যমান জলবায়ু সিমুলেশনের উপর একটি ডিফিউশন মডেল প্রশিক্ষিত করেছে এবং তারপরে এটি একটি অনুমানিত 2030 জলবায়ুর জন্য আরও অনেক আবহাওয়ার পরিস্থিতি তৈরি করতে ব্যবহার করেছে। একটি দ্বিতীয় মডেল মোটামুটি 100-বাই-100 কিলোমিটার রেজোলিউশন থেকে 10-বাই-10 কিলোমিটারে প্রাথমিক আউটপুটগুলিকে তীক্ষ্ণ করেছে, একটি স্তর যা উত্স বলে বৃষ্টিপাতের ধরণগুলি ক্যাপচার করার জন্য যথেষ্ট।
সেই কর্মপ্রবাহ একটি হাইব্রিড আর্কিটেকচারের পরামর্শ দেয়: একটি মডেল দৃশ্যকল্প মহাবিশ্বকে প্রসারিত করে, অন্যটি ব্যবহারযোগ্য স্থানীয় বিশদ উন্নত করে। ব্যবহারিক বীমা পরিভাষায়, এটি বৃহৎ আকারের জলবায়ু অনুমান এবং সম্পত্তি-স্তর বা আঞ্চলিক ঝুঁকি অনুমানের মধ্যে ব্যবধান পূরণ করতে সাহায্য করতে পারে, যেখানে আন্ডাররাইটিং সিদ্ধান্ত নেওয়া হয়।
নিবন্ধটি আরও বলে যে ভেরিস্ক চরম বাতাস এবং বৃষ্টি একসাথে মডেল করতে জেনারেটিভ এআই ব্যবহার করছে, ক্রমান্বয়ে নয়। এটি গুরুত্বপূর্ণ কারণ সম্পর্কযুক্ত বিপদগুলি ক্ষতিকে বাড়িয়ে তুলতে পারে যা সহজ মডেলিং পাইপলাইনগুলি মিস করতে পারে। মুডি'স আরএমএস, এদিকে, দাবানল এবং হারিকেনের পরে স্যাটেলাইট চিত্র বিশ্লেষণ করতে এআই ব্যবহার করে বীমাকৃত ক্ষতি অনুমান করতে বর্ণনা করা হয়েছে। একসাথে নেওয়া, এই উদাহরণগুলি দেখায় যে এআই দুর্যোগ বিশ্লেষণের এক পর্যায়ে সীমাবদ্ধ নয়। এটি দৃশ্যকল্প জেনারেশন, বিপদ মিথস্ক্রিয়া মডেলিং এবং ঘটনা-পরবর্তী ক্ষতি মূল্যায়নে উপস্থিত হচ্ছে।
হ্যালুসিনেশন সমস্যা এখানে আলাদা
ভোক্তা এআই পণ্যগুলিতে, হ্যালুসিনেশন প্রায়শই একটি বিরক্তি বা বাস্তবিক ত্রুটি হিসাবে ফ্রেম করা হয়। দুর্যোগ মডেলিংয়ে, এগুলি আরও বিপজ্জনক হতে পারে কারণ একটি ত্রুটিপূর্ণ আউটপুট এখনও পরিসংখ্যানগত বা দৃশ্যত বিশ্বাসযোগ্য দেখাতে পারে। একটি সিন্থেটিক বন্যার ধরণ, ঝড়ের পথ বা বৃষ্টিপাতের ক্ষেত্র অ-বিশেষজ্ঞের কাছে সম্ভাব্য মনে হতে পারে যখন মৌলিক ভৌত সীমাবদ্ধতা ভঙ্গ করে।
সরবরাহকৃত পাঠ্যটিতে ফ্যাথমের বৈজ্ঞানিক পরিচালক অলিভার উইংয়ের একটি সতর্কতা অন্তর্ভুক্ত রয়েছে, যিনি বলেছেন যে এই সিস্টেমগুলি "পরম স্লপ" হ্যালুসিনেট করতে পারে। ভাষাটি স্পষ্ট, কিন্তু এটি মূল চ্যালেঞ্জটি ধারণ করে: চেহারায় বাস্তববাদ হাইড্রোলজি, আবহাওয়াবিদ্যা বা জলবায়ু গতিবিদ্যার প্রতি বিশ্বস্ততার সমান নয়।
এর অর্থ হল বৈধতা মান অস্বাভাবিকভাবে কঠোর হতে হবে। যদি একটি মডেল সিন্থেটিক ইভেন্টের একটি বড় সেট তৈরি করে যা অভ্যন্তরীণভাবে অসামঞ্জস্যপূর্ণ, তথ্যের আপাত প্রাচুর্য মিথ্যা আত্মবিশ্বাস তৈরি করতে পারে। ব্যবহারকারীরা বিশ্বাস করতে পারেন যে তারা ঝুঁকির একটি সমৃদ্ধ চিত্র দেখছেন যখন তারা আসলে মডেলের শিল্পকর্ম দেখছেন।
সম্ভাব্য লাভ, এবং একটি কাঠামোগত প্রণোদনা সমস্যা
সতর্কতা সত্ত্বেও, প্রযুক্তিটি এখনও গুরুত্বপূর্ণ হতে পারে। উন্নত দুর্যোগ মডেলগুলি বীমাকারীদের এমন জায়গায় ঝুঁকি মূল্য নির্ধারণ করতে দিতে পারে যেখানে ঐতিহাসিকভাবে ব্যবহারযোগ্য তথ্য সংগ্রহ এবং গণনা করার জন্য খুব সীমিত বা খুব ব্যয়বহুল ছিল। তত্ত্বগতভাবে, এটি দুর্বল অঞ্চলে কভারেজের অ্যাক্সেস উন্নত করতে পারে এবং পরিবর্তিত জলবায়ু এক্সপোজারের আরও সূক্ষ্ম মূল্যায়ন তৈরি করতে পারে।
কিন্তু উত্স পাঠ্যটি প্রযুক্তিগত নির্ভুলতার বাইরে আরেকটি উদ্বেগ উত্থাপন করে: প্রণোদনা। যদি মডেল আউটপুটগুলি আন্ডাররাইটিং লাভজনকতাকে প্রভাবিত করে, ফার্মগুলি এমন সিস্টেম পছন্দ করতে পারে যা কম অনুমানকৃত ক্ষতি সরবরাহ করে বা ঝুঁকিকে বাস্তবের চেয়ে বেশি পরিচালনাযোগ্য দেখায়। এর অর্থ এই নয় যে কোম্পানিগুলি ইচ্ছাকৃতভাবে এআই অপব্যবহার করছে, তবে এটি একটি কাঠামোগত চাপকে হাইলাইট করে যা ইতিমধ্যে ঝুঁকি মডেলিংয়ে উপস্থিত এবং অস্বচ্ছ জেনারেটিভ সিস্টেম দ্বারা সম্ভাব্যভাবে তীব্র হয়েছে।
অন্য কথায়, চ্যালেঞ্জটি কেবল মডেলগুলি দুর্যোগ ভালভাবে অনুকরণ করতে পারে কিনা তা নয়। এটি সংস্থাগুলি বাণিজ্যিকভাবে আকর্ষণীয় কিন্তু অপর্যাপ্ত নির্ভরযোগ্য মডেলগুলিকে মূল্য নির্ধারণ এবং কভারেজ সিদ্ধান্তগুলি গঠন করতে বাধা দেওয়ার জন্য যথেষ্ট শক্তিশালী শাসন গ্রহণ করবে কিনা তাও।
এরপর কী আসে
শিল্পটি একটি পরীক্ষামূলক পর্যায়ে প্রবেশ করছে বলে মনে হচ্ছে যেখানে জেনারেটিভ এআই প্রতিষ্ঠিত দুর্যোগ মডেলিং পদ্ধতির পরিপূরক, প্রতিস্থাপন নয়। এটি সম্ভবত নিকট ভবিষ্যতে একমাত্র কার্যকর পথ। পদার্থবিজ্ঞান-ভিত্তিক মডেলগুলি এখনও কীভাবে দুর্যোগ ঘটে তার ধারণাগত ভিত্তি সরবরাহ করে, যখন জেনারেটিভ সিস্টেমগুলি স্কেল, গতি এবং আরও অনুমানমূলক ভবিষ্যত অন্বেষণ করার ক্ষমতা সরবরাহ করে।
মূল প্রশ্নটি হল এই সংমিশ্রণটি নির্ভরযোগ্য করা যায় কিনা। যদি গবেষক এবং ফার্মগুলি হ্যালুসিনেশন নিয়ন্ত্রণ করতে পারে, শারীরিকভাবে ভিত্তিক বৈধতা প্রয়োগ করতে পারে এবং প্রণোদনা বিকৃতি পরিচালনা করতে পারে, জেনারেটিভ এআই দুর্যোগ বিশ্লেষণকে অর্থপূর্ণ উপায়ে প্রসারিত করতে পারে। যদি না পারে, সেক্টরটি পুরানো অনিশ্চয়তাকে আরও বিশ্বাসযোগ্য দেখায় আউটপুটে মোড়ানোর ঝুঁকি নেয়।
ক্রমবর্ধমান জলবায়ু অস্থিরতার বিশ্বের মুখোমুখি বীমাকারীদের জন্য, এই পার্থক্যটি গুরুত্বপূর্ণ। দুর্যোগ মডেলিং সবসময় অসম্ভাব্য অনুমান করা সম্পর্কে হয়েছে এটি ব্যয়বহুল বাস্তবে পরিণত হওয়ার আগে। জেনারেটিভ এআই সেই পূর্বাভাস লেন্সকে প্রশস্ত করতে পারে, তবে কেবল যদি শিল্প সম্ভাবনাকে প্রমাণের পরিবর্তে একটি সূচনা বিন্দু হিসাবে বিবেচনা করে।
এই নিবন্ধটি দ্য ডিকোডারের রিপোর্টিংয়ের উপর ভিত্তি করে তৈরি। মূল নিবন্ধটি পড়ুন।
Originally published on the-decoder.com