क्या आतंकवाद की भविष्यवाणी कर सकता है 'मशीन लर्निंग' ?

  दुनिया हर दिन आतंकवाद का सामना कर रहा है, इससे कोई देश अछूता नहीं है। अमेरिकन वर्ल्ड ट्रेड सेंटर हमला हो  या मुंबई सीरियल ब्लास्ट हो या 26/11 जैसा हमला और दो दिन पहले वाला काबूल एयरपोर्ट का हमला। पर क्या ऐसे हमलों को रोका जा सकता है? भविष्य में संभावित रूप से विनाशकारी आतंक के कृत्यों को रोकने की आशा में शोधकर्ता आतंकवाद के पीछे के तंत्र को बेहतर ढंग से समझने के लिए शोध कर रहे हैं।  आतंकवाद का अध्ययन करने में योगदान देने वाले बड़े प्रयासों के बावजूद, मात्रात्मक परीक्षा मुख्य रूप से विकसित हुई है और नीति निर्माताओं द्वारा निर्दिष्ट हस्तक्षेप करने के लिए आवश्यक स्थानीय स्तर पर भरोसेमंद और सटीक क्षणिक उम्मीदों को दिए बिना आतंकवादी कृत्यों के प्रांतीय उदाहरणों को चित्रित करने के लिए लागू पद्धतियां हैं।  तो सवाल यह है कि क्या मशीन लर्निंग भविष्य के आतंकवाद की भविष्यवाणी कर सकता है?  वैश्विक स्तर पर आतंकवाद का अनुमान लगाने के लिए मशीन लर्निंग मॉडल का निर्माण करना क्या संभव हैं?


  झेजियांग विश्वविद्यालय में सेंटर ऑफ डेटा साइंस से डॉ.आंद्रे पायथन द्वारा संचालित एक वैश्विक अन्वेषण समूह, मशीन लर्निंग एल्गोरिदम का पता लगाने में सक्षम है, जो प्रामाणिक लड़ाई के बाहर गैर-राज्य मनोरंजनकर्ताओं द्वारा निष्पादित आतंकवाद की घटना को ठीक स्थानिक पैमाने पर भविष्यवाणी करने और समझाने में सक्षम है।  एक विशाल अवधि के दौरान आतंकवाद से संभावित रूप से प्रभावित सभी स्थानों को कवर करना।  दुनिया भर में हर हफ्ते सेल में आतंकवाद (प्रतिक्रिया) की घटना की संभावना का अनुमान लगाने और स्पष्ट करने के लिए एक व्याख्यात्मक पेड़-आधारित एआई गणना वैकल्पिक बेंचमार्क प्रेजेंटेशन मॉडल के विपरीत है।  आतंकवाद जैसे जटिल सामाजिक चमत्कारों का अनुमान लगाने के लिए, काल्पनिक रूप से शिक्षित एआई गणना शायद प्रक्रियात्मक प्रावधानों का उपयोग करते हुए पारंपरिक मॉडल को मात देने वाली है।  प्रेजेंटेशन मॉडल के लिए याद किए गए प्रावधानों का निर्णय महत्वपूर्ण है,  जिस पैमाने पर भविष्यवाणियां की जाती हैं, उस पैमाने पर अवैध रूप से डराने-धमकाने वाले उपकरणों की एक मजबूत गणना की समझ से मॉडल पैदावार और प्रेजेंटेशन प्रदर्शनी लाभ का महत्व बनाता है।


क्या मशीन लर्निंग एल्गोरिदम से आतंकवाद की सटीक भविष्यवाणी की जा सकती है?

  जबकि एआई गणनाओं का प्रेजेंटेशन प्रदर्शन उन क्षेत्रों में मध्यम रूप से उच्च है जो आतंकवाद से गहराई से प्रभावित हैं, यह उन स्थानों में होने वाले अवसरों का अनुमान लगाने के लिए चुनौतीपूर्ण रहता है जिन्होंने व्यापक खिंचाव पर अवैध धमकी का अनुभव नहीं किया है।  एल्गोरिदम ठीक स्थानिक और सांसारिक लक्ष्यों पर भी सामान्य रूप से सभ्य और बड़ी सटीकता दिखा सकते हैं।  हमारी विश्वव्यापी परीक्षा में विचार किए गए सप्ताह के 2% से कम समय में आतंकवादी घटनाएं हुईं।  सूचना अनियमितता मॉडल की सटीकता को कम करती है, जो कि सप्ताह की कोशिकाओं की संख्या है जो मनोवैज्ञानिक युद्ध का अनुभव करती हैं और प्रभावी रूप से अनुमानित रूप से अवैध धमकी का अनुभव करने के लिए अनुमानित सप्ताह की कोशिकाओं की पूर्ण संख्या से अलग हो जाती हैं।  इसका तात्पर्य यह है कि एक ऐसे स्थान में आतंकवादी अवसरों की एक बड़ी सीमा को रोकने के लिए जो अवैध धमकी से काफी प्रभावित नहीं है, बड़े क्षेत्रों का अध्ययन करने के लिए महत्वपूर्ण संपत्ति की आवश्यकता होती है जहां आतंकवाद हो सकता है।

  आतंकवाद के अर्थ के बारे में शोधकर्ताओं के बीच संघर्ष के साथ-साथ, पहुंच, स्थानिक समावेशन, और अवैध धमकी और इसके संभावित चालकों पर खुले तौर पर सुलभ जानकारी की प्रकृति दुनिया भर में आतंकवाद और रणनीति के प्रासंगिक पैमानों पर एक महत्वपूर्ण बाधा बनी हुई है।  लेकिन अवैध धमकी की जानकारी और सामाजिक-आर्थिक चालक अधिक विस्तृत, पूर्ण और सभी अधिक प्रभावी रूप से उपलब्ध हो रहे हैं।  इसी तरह, व्याख्यात्मक एआई गणना में निरंतर प्रगति असाधारण रूप से उत्साहजनक है और आने वाले वर्षों में इन अभिन्न संपत्तियों को परीक्षा स्थानीय क्षेत्र और विशेषज्ञों के लिए और अधिक उपलब्ध कराएगी।

  मशीन-लर्निंग एल्गोरिथम ने संभवतः स्थानीय और दुनिया भर में आतंकवाद के संचालकों के जटिल संबंधों को उस पैमाने पर पकड़ लिया है जो निर्णय लेने वालों के लिए महत्वपूर्ण है।  उनके मॉडल की व्याख्यात्मकता में इसकी प्रेजेंटेशन क्षमताओं के मुकाबले महत्वपूर्ण फायदे हैं।  परिणामों का आतंकवाद के सिद्धांतों के अनुसार अध्ययन किया जा सकता है और इसलिए मॉडलर और विशेषज्ञों के बीच विश्वास बनाने के लिए जोड़ा जा सकता है, जो आतंकवाद के भविष्य की भविष्यवाणी करने के लिए इन गणनाओं को करने के लिए एक महत्वपूर्ण चरण है।