詳細を読む
2026年8月20日、MITのKai Chang氏とThemis Sapsis教授のチームが、学術誌Nature Communicationsで新たな機械学習手法を発表しました。「Extreme Event Aware」と呼ぶこの手法は、豪雨や熱波、山火事など前例のない極端現象が、どこでどれほどの規模と強度で起こり得るかを、過去の極端事象データなしで推定できる点が特徴です。
従来、想定される最悪シナリオを見積もる手法は、過去に発生した極端な事象そのものを学習データとして必要としてきました。しかし記録に残る極端事象は本来まれで、データが乏しいという根本的な課題を抱えていました。今回の手法は、通常の日々の気象データから統計的な関係性を学ぶことで、記録にない未知の極端現象も推定できるように設計されています。
具体的には、地点ごとの降水量の統計と、低解像度・高解像度に分けた空間地図のペアを組み合わせて学習します。米国本土の25年分の降水データのうち、極端な事例をほとんど含まない最初の6カ月分だけを使って学習させても、統計情報を手がかりに現実的な豪雨マップを生成できたといいます。例えばニューヨークで観測史上最大の降水量が200ミリだった場合、それを上回る300ミリ規模の豪雨がどこにどう降るかを予測できます。
この手法は気象分野にとどまらず、ロボットの経路計画や金融市場の暴落分析にも応用できるといいます。Chang氏は、複数の要因が絡み合って発生する市場暴落の分析にも、この統計的アプローチが役立つ可能性があると説明しています。
Sapsis教授は、効率化が進んだ現代社会ではリスクを吸収する余力が小さくなっており、一つの極端事象がサプライチェーンやエネルギー市場に数週間で波及すると指摘します。未経験の事象の発生確率を見積もる技術は、防災対策だけでなく経済的なレジリエンスを高める上でも重要になりそうです。