用机器学习模型预测事件发生的概率往往需要大量的样本数据训练。但是，像新冠大流行、加州山火、海啸这样的罕见灾难性事件缺乏历史数据，难以用机器预测其下一次的发生概率。近日，一项《自然·计算科学》（Nature Computational Science）上的研究提出了用少量数据训练模型预测罕见事件的方法。

科学家将主动学习算法引入DeepOnet模型。主动学习能够对数据集进行优先处理，通过分析少量数据来训练监督模型并标记剩余数据。而DeepOnet的两个并行神经网络能够快速分析大量数据和场景，并输出概率集。二者的结合使模型能在数据点不多的情况下主动搜寻，并找出罕见事件发生的前兆。新方法在预测船只遭受巨浪并裂开的概率上超过了传统模型，并有望在将来用于预测飓风等极端气候事件。