LEBIGDATA.FR I.A, Cloud & Cybersécurité
Des chercheurs étudient des algorithmes de Machine Learning capables de prédire et d'expliquer à une échelle spatio-temporelle précise la fréquence du terrorisme perpétré par des acteurs non étatiques en dehors d'une guerre légitime.
Comprendre les mécanismes du terrorisme
Après l'attentat du 11 septembre 2001 qui a fait plus de 3000 morts au World Trade Center, de nombreuses recherches ont été menées pour mieux comprendre les mécanismes du terrorisme. Ceci, dans l'espoir de prévenir les actes de terrorisme. Malgré les efforts considérables investis pour étudier le terrorisme, la recherche quantitative a principalement développé et appliqué des approches visant à décrire les cas d'actes terroristes. Ces recherches n'ont pu fournir des prévisions à court terme fiables et précises qui pourraient aider les décideurs politiques à mettre en œuvre des interventions ciblées.
Publishing in Science Advances, une équipe de recherche internationale dirigée par le Dr Andre Python du Center of Data Science de l'Université du Zhejiang, étudie des algorithmes de Machine Learning capables de prédire et d'expliquer à une échelle spatio-temporelle précise la fréquence du terrorisme. Leur modèle, informé par la théorie du terrorisme, comprend 20 caractéristiques structurelles (des variables invariantes) et 14 caractéristiques procédurales (des variables dynamiques, des activités terroristes du passé affectant le risque de terrorisme à venir).
Est-il possible de prédire le terrorisme
Pour prédire des phénomènes sociaux complexes comme le terrorisme à des échelles spatio-temporelles précises, les algorithmes d'apprentissage automatique théoriquement informés sont susceptibles de surpasser les modèles utilisant uniquement des fonctionnalités procédurales. Le choix des caractéristiques incluses dans le modèle prédictif est crucial. La pertinence des sorties du modèle et les performances prédictives bénéficient d'une solide compréhension conceptuelle des mécanismes à l'origine du terrorisme, et ce, à l'échelle à laquelle les prédictions sont faites.
Les performances prédictives des algorithmes d'apprentissage automatique sont relativement élevées dans les zones fortement touchées par le terrorisme. Mais il reste difficile de prédire les événements qui se produisent dans des régions qui n'ont pas connu le terrorisme sur une longue période. Les algorithmes peuvent montrer une précision globale relativement bonne même à une résolution spatiale et temporelle fine. Cependant, il est pratiquement impossible de prédire les événements qui ne se produisent qu'une seule fois sur une très longue période. Pour prévenir une grande proportion d'événements terroristes dans une région qui n'est pas très touchée par le terrorisme, des ressources importantes sont nécessaires pour enquêter sur de vastes zones où le terrorisme peut potentiellement se produire.
- Partager l'article :
