На конференции KDD 2025 работа 2014 года о прогнозировании протестов в Латинской Америке была удостоена награды за вклад в прикладную науку данных. Авторы, среди которых известный учёный Аравинд Шринивасан, продемонстрировали, что их модель EMBERS сохраняет актуальность даже спустя 12 лет.
Насчет работы EMBERS
EMBERS, что расшифровывается как «раннее распознавание событий с использованием суррогатов», обрабатывает открытые данные, такие как сообщения в социальных сетях, новости и экономические индикаторы. Модель была успешно использована для предсказания протестов в Бразилии в 2013 году на основе анализа информации из различных источников.
С помощью пяти машинных моделей, включая байесовскую классификацию, исследователи смогли предсказать вероятные события социальной нестабильности, что особенно актуально для современных экспертов в области анализа данных.
Актуальные результаты и выводы
По словам Шринивасана, одной из ключевых идей работы является использование «двухчастичного соответствия» для совместимости прогнозов и фактических событий. Это позволяет более точно оценивать правильность предыдущих предсказаний и улучшать алгоритмы. Системы получили должное признание, при этом шесть из десяти протестов, которые они предсказали, действительно произошли.
Сегодня, когда нейросети становятся всё более популярными, EMBERS напоминает о важности точности и обоснования прогнозов. Для разработчиков и исследователей в области AI это говорит о необходимости постройки более сложных моделей, способных учитывать временные ряды данных.
Следующий шаг будет заключаться в том, чтобы продолжать адаптировать старые модели, как EMBERS, к современным стандартам, применяя новые подходы для улучшения достоверности и точности предсказаний в динамично меняющемся мире.