কীভাবে জেনারেটিভ এআই বিমা শিল্পে দুর্যোগ মডেলিংকে (Catastrophe Modeling) নতুনভাবে সংজ্ঞায়িত করছে

বিমা শিল্প একটি বিশাল প্রযুক্তিগত পরিবর্তনের মধ্য দিয়ে যাচ্ছে, কারণ প্রথাগত পদার্থবিজ্ঞান-ভিত্তিক দুর্যোগ মডেলগুলো এখন উন্নত জেনারেটিভ এআই-এর সাথে প্রতিযোগিতার মুখে। চরম আবহাওয়া পরিস্থিতি সিমুলেট করার জন্য ডিফিউশন মডেল (diffusion models) ব্যবহার করে প্রতিষ্ঠানগুলো ঐতিহাসিক রেকর্ড এবং ভবিষ্যতের জলবায়ু বাস্তবতার মধ্যে বিদ্যমান তথ্যের ব্যবধান ঘুচিয়ে ফেলার চেষ্টা করছে।

ডিফিউশন মডেলের মাধ্যমে রেজোলিউশনের বাধা অতিক্রম করা

কয়েক দশক ধরে, দুর্যোগ (cat) মডেলিং ভৌগোলিক গ্রিড সেল জুড়ে মাধ্যাকর্ষণ, ঘর্ষণ এবং প্রবাহ সিমুলেট করার জন্য পদার্থবিজ্ঞান-ভিত্তিক সমীকরণের ওপর নির্ভর করে আসছে। তবে, এই মডেলগুলো কম্পিউটেশনাল খরচ এবং রেজোলিউশনের মধ্যে একটি নিরন্তর সংগ্রামের সম্মুখীন হয়। বিশাল এলাকার ওপর উচ্চ-রেজোলিউশন মডেল চালানো অত্যন্ত ব্যয়বহুল, যা বিস্তারিত তথ্য এবং কভারেজের মধ্যে একটি আপস করতে বাধ্য করে।

জেনারেটিভ এআই মৌলিকভাবে এই সমীকরণটি বদলে দিচ্ছে। Swiss Re-এর একটি সহযোগী প্রতিষ্ঠান Fathom, এই সীমাবদ্ধতাগুলো কাটিয়ে উঠতে ডিফিউশন মডেল ব্যবহারের ক্ষেত্রে অগ্রণী ভূমিকা পালন করছে। বিদ্যমান প্রায় ১,০০০ বছরের জলবায়ু সিমুলেশনের ওপর একটি ডিফিউশন টুলকে প্রশিক্ষণ দেওয়ার মাধ্যমে, Fathom ২০৩০ সালের জলবায়ুর জন্য প্রক্ষেপিত হাজার হাজার বছরের আবহাওয়া পরিস্থিতি কৃত্রিমভাবে তৈরি করতে পারে। রেজোলিউশনের সমস্যা সমাধানের জন্য, তারা একটি সেকেন্ডারি ইমেজ-শার্পেনিং মডেল ব্যবহার করে যা ১০০ × ১০০ কিলোমিটারের ডেটাকে ১০ × ১০ কিলোমিটারের সুনির্দিষ্ট রেজোলিউশনে রূপান্তরিত করে, যা বৃষ্টিপাতের প্যাটার্ন ম্যাপিংকে অনেক বেশি নির্ভুল করে তোলে।

স্পেশিয়াল ভ্যারিয়েবিলিটি এবং টেইল-রিস্কের নতুন দিগন্ত

এআই-এর প্রয়োগ কেবল সাধারণ আবহাওয়া তৈরির মধ্যেই সীমাবদ্ধ নেই, বরং এটি জটিল মাল্টি-হ্যাজার্ড মডেলিংয়েও বিস্তৃত হচ্ছে। শিল্পখাতের শীর্ষস্থানীয় প্রতিষ্ঠান Verisk এখন চরম বাতাস এবং বৃষ্টিকে পর্যায়ক্রমিকতার পরিবর্তে যুগপৎভাবে (simultaneously) মডেল করতে জেনারেটিভ এআই ব্যবহার করছে। এই পদ্ধতিটি অনেক উচ্চতর স্পেশিয়াল ভ্যারিয়েবিলিটি (spatial variability) প্রদান করে, যা বিভিন্ন আবহাওয়া উপাদান কীভাবে রিয়েল-টাইমে একে অপরের সাথে মিথস্ক্রিয়া করে তা ধরতে সক্ষম।

অন্যান্য প্রতিষ্ঠানগুলো ঘটনা-পরবর্তী বিশ্লেষণ এবং "টেইল-রিস্ক" (tail-risk) ইভেন্টের ওপর গুরুত্ব দিচ্ছে—এগুলো হলো বিরল ও বিপর্যয়কর ঘটনা যার প্রথাগত মডেলগুলোর প্রক্রিয়াকরণের জন্য পর্যাপ্ত ঐতিহাসিক তথ্য নেই। উদাহরণস্বরূপ, Moody's RMS দাবানল এবং হারিকেনের পরবর্তী স্যাটেলাইট ইমেজারি বিশ্লেষণ করে বিমাকৃত ক্ষতির পরিমাণ অনুমান করতে এআই ব্যবহার করে। ক্রমবর্ধমান জলবায়ু অস্থিরতার এই যুগে "অদেখা" ঘটনাগুলোকে মডেল করার এই ক্ষমতা অত্যন্ত গুরুত্বপূর্ণ।

ঝুঁকি: ফিজিক্যাল হ্যালুসিনেশন এবং অর্থনৈতিক পক্ষপাত

সম্ভাবনা থাকা সত্ত্বেও, ঝুঁকি মূল্যায়নে GenAI-এর সংহতি উল্লেখযোগ্য বিপদহীন নয়। প্রধান প্রযুক্তিগত বাধা হলো "হ্যালুসিনেশন" (hallucination)। যেহেতু ডিফিউশন মডেলগুলো ভৌত নির্ভুলতার চেয়ে বিশ্বাসযোগ্যতাকে বেশি প্রাধান্য দেয়, তাই তারা এমন আবহাওয়া পরিস্থিতি তৈরি করতে পারে যা দেখতে বাস্তবসম্মত মনে হলেও পদার্থবিজ্ঞানের মৌলিক নিয়ম লঙ্ঘন করে—একটি ঘটনা যা Fathom-এর বৈজ্ঞানিক পরিচালক Oliver Wing "absolute slop" হিসেবে বর্ণনা করেছেন।

তদুপরি, বৈজ্ঞানিক নির্ভুলতা এবং কর্পোরেট বিক্রয় যুক্তির মধ্যে একটি আসন্ন দ্বন্দ্ব রয়েছে। যদিও উন্নত মডেলগুলো তাত্ত্বিকভাবে ব্রাজিল বা বাংলাদেশের মতো উচ্চ-ঝুঁকিপূর্ণ অঞ্চলে কভারেজ সম্প্রসারণ করতে পারে, তবে বিমাকারীদের মধ্যে এমন মডেলকে প্রাধান্য দেওয়ার একটি সহজাত প্রবণতা থাকে যা ক্ষতির কমতম অনুমান প্রদান করে। যদি একটি এআই মডেল প্রকাশ করে যে ঝুঁকি আগের ধারণার চেয়ে উল্লেখযোগ্যভাবে বেশি, তবে এর ফলে বড় মূলধন বা ক্যাপিটাল বাফার প্রয়োজন হতে পারে, যা সম্ভাব্যভাবে ব্যবসার প্রবৃদ্ধি ধীর করে দিতে পারে। এটি এমন একটি টানাপোড়েন তৈরি করে যেখানে উন্নত বিজ্ঞানের অন্বেষণ ব্যবসার প্রসারের আন্ডাররাইটিং লক্ষ্যের সাথে সাংঘর্ষিক হতে পারে।

মূল বিষয়সমূহ

• উন্নত রেজোলিউশন: ডিফিউশন মডেল এবং শার্পেনিং কৌশলগুলো মডেলারদের ১০০ কিমি থেকে ১০ কিমি রেজোলিউশনে উন্নীত হতে সাহায্য করছে, যা বৃষ্টিপাত এবং বাতাসের প্যাটার্নের জন্য অনেক সূক্ষ্ম বিবরণ প্রদান করে।
• তথ্যের ব্যবধান সমাধান: জেনারেটিভ এআই হাজার হাজার বছরের কৃত্রিম জলবায়ু ডেটা সংশ্লেষণ করতে পারে, যা বিমাকারীদের এমন "টেইল-রিস্ক" ইভেন্টের জন্য প্রস্তুত হতে সাহায্য করে যার কোনো ঐতিহাসিক নজির নেই।
• গুরুত্বপূর্ণ চ্যালেঞ্জ: শিল্পখাতকে অবশ্যই "ফিজিক্যাল হ্যালুসিনেশন"-এর প্রযুক্তিগত ঝুঁকি এবং বিক্রয় প্রণোদনা দ্বারা চালিত পক্ষপাতদুষ্ট মডেল নির্বাচনের অর্থনৈতিক ঝুঁকি মোকাবিলা করতে হবে।