Utilizzare l’apprendimento automatico per identificare la violenza politica e anticipare il conflitto
Nel mondo odierno, conflittualità e violenza continuano a causare sofferenze e perdite inimmaginabili. Immaginiamo di essere in grado di anticipare l’insorgenza di violenza politica e organizzata e di prevedere la probabilità di un conflitto nei paesi di tutto il mondo al fine di adottare misure per prevenire manifestazioni violente. È esattamente quello a cui stanno lavorando i ricercatori dell’Università di Uppsala, in Svezia. Sostenuto dal Consiglio europeo della ricerca, il loro progetto, dal nome ViEWS, rappresenta un importante punto di partenza verso la possibilità di assistere le popolazioni interessate prima dello scoppio di un conflitto. «Sappiamo che i sistemi di allerta precoce sono essenziali nella prevenzione e nella mitigazione di un conflitto. Tuttavia, ciò che è ancor più importante è adottare interventi preventivi basati su tali allerte», afferma Håvard Hegre, ricercatore principale del progetto. «Se riusciamo a prevedere il luogo e il momento di un possibile conflitto, possiamo lavorare con i governi e le organizzazioni umanitarie per agire prima che la situazione degeneri.»
Mettere al lavoro gli algoritmi
ViEWS si avvale degli algoritmi di apprendimento automatico per analizzare una serie di fonti di dati, nonché fattori socioeconomici, sviluppi politici e istanze passate di violenza. Il sistema assegna quindi un punteggio di rischio a ogni paese, indicando la probabilità dello scoppio di un conflitto nei successivi 12 mesi, spiega Hegre, attivo come professore di ricerca presso l’Istituto di ricerca sulla pace di Oslo e il Dipartimento di ricerca sulla pace e sui conflitti dell’Università di Uppsala. Nello specifico, il sistema monitora tutte le ubicazioni a rischio e produce previsioni uniformi nel numero di vittime in conflitti imminenti basati sullo Stato. Ciò viene associato a valutazioni probabilistiche del rischio di violenza basata sullo Stato, non statale e unilaterale a livello sia nazionale che subnazionale. Sebbene le previsioni nazionali informino quelle locali e viceversa, i due livelli di analisi sono differenti. Si tratta di valutazioni separate che dovrebbero essere interpretate assieme. Ad esempio, i modelli che informano le previsioni a livello nazionale considerano fattori strutturali e storici preziosi. D’altro canto, i modelli a livello sub-nazionale accentuano gli effetti dei rischi locali composti correlati alla demografia, al terreno, alla prossimità alle risorse naturali, ai livelli di precipitazioni locali, alle siccità e alla storia dei conflitti nelle zone contigue.
Ispirazione e risultati promettenti
Secondo Hegre, la principale fonte di ispirazione per ViEWS è arrivata dalle ricerche quantitative sui conflitti armati condotte a partire dagli anni Novanta. Le ricerche hanno identificato modelli nel verificarsi dei conflitti, quali il fatto che raramente le democrazie lottano tra loro in conflitti interstatali e che i conflitti interni sono più frequenti in paesi con un sistema democratico e regioni più povere in prossimità dei confini internazionali. Grazie a tali conoscenze, Hegre e il suo team si sono prefissi di sviluppare un sistema in grado di prevedere i conflitti armati e allertare la comunità internazionale circa le regioni a rischio elevato. Sperimentato per la prima volta in Africa, a causa dell’elevato numero di conflitti nel continente, ViEWS è stato esteso al Medio Oriente nel 2022. L’impatto di ViEWS è significativo, in particolare nelle regioni in cui il conflitto rappresenta un rischio ricorrente. Identificando le aree a rischio, i governi e le organizzazioni umanitarie possono intervenire per affrontare le cause alla base del conflitto e fornire sostegno alle popolazioni vulnerabili. Hegre è ottimista sul fatto che il progetto disponga del potenziale di rivoluzionare la prevenzione dei conflitti in tutto il mondo. «Fornendo ai responsabili decisionali informazioni tempestive e accurate, possiamo lavorare assieme per prevenire le devastanti conseguenze di un conflitto», afferma. Ad esempio, le previsioni di ViEWS sono disponibili attraverso un’API che viene aggiornata mensilmente. «Sappiamo che le organizzazioni delle Nazioni Unite accedono all’API: in particolare, un ufficio dell’ONU ha configurato un “pannello di controllo” interno in cui le previsioni vengono affiancate da altre informazioni e impiegate per relazionarsi con gli interlocutori», ha affermato Hegre. In quanto tale, il progetto ha contribuito a una relazione dell’ONU che presenta le previsioni di ViEWS. «Ci relazioniamo in continuazione con le organizzazioni internazionali e con i governi che dispongono di sistemi di allerta precoce interni», ha aggiunto Hegre. «Non sappiamo esattamente quanto venga utilizzato ViEWS. È pubblicamente disponibile e non ne abbiamo monitorato con molta attenzione l’utilizzo, ma sappiamo che il nostro sistema è considerato come un riferimento e che molte delle idee che abbiamo testato stanno procedendo a una propria modellizzazione.»
Parole chiave
ViEWS, prevenzione dei conflitti, sistema di allerta precoce degli episodi di violenza, algoritmi di apprendimento automatico, valutazione del rischio, Africa
