Tuy nhiên, chúng tôi không được phép nêu ra và chúng tôi cần phải khéo léo sử dụng các kỹ thuật trong giai đoạn mới nhất của hoạt động. Nó giúp trấn an tất cả các đội của Trung Quốc, Úc và Mỹ khi cùng làm việc với một mục tiêu chung, nhưng nó cũng cho thấy rõ ràng rằng họ đang đấu tranh để giải quyết một vấn đề thực sự rất hóc búa.
Đây là điều thực sự khó khăn bởi khoảng cách vật lý liên quan gồm: phạm vi tìm kiếm trải dài 2.000km về phía đông nam của Perth và một khu vực thuộc Ấn Độ Dương được mô tả là một trong những nơi khó tiếp cận nhất trên Trái đất .
Điều này có nghĩa là các tàu và máy bay chỉ có thể dành vài giờ tìm kiếm tại một thời điểm, vì vậy chúng tôi phải triển khai chúng một cách gọn gàng. Và cần phải nhờ đến một người đàn ông người Anh tên là Thomas Bayes. Ông sinh ra ở London vào năm 1701 và phát triển một ngành toán học mà hiện tại là nền tảng công nghệ mới nhất trong ngành bán lẻ, bảo hiểm và đặc biệt trong trường hợp này đó là việc tìm kiếm cứu nạn.
Ý tưởng quan trọng này xuất phát từ suy nghĩ của Bayes là bạn có thể tính toán xác suất như một cách định lượng những gì bạn tin tưởng. Trong trường hợp của MH370, đó là một chút gì đó giống như ném những hạt bụi trên một diện rộng khắp của khu vực tìm kiếm. Mỗi hạt đại diện cho một vị trí ứng cử, nơi mà có thể tìm thấy chiếc máy bay. Khi máy bay và tàu tìm kiếm của bạn di chuyển xung quanh khu vực này, họ quét sạch lên tất cả các hạt, loại bỏ những vị trí ứng cử cần phải xem xét tìm kiếm.
Quá trình này rất phức tạp bởi ảnh hưởng của các dòng hải lưu và các bộ cảm biến thực tế được sử dụng cũng không hoàn hảo. Kết quả là chiếc “máy hút bụi” sẽ không hoàn hảo ở việc di chuyển để quét sạch và dẫn đến còn sót lại một vài hạt bụi bên dưới. Bạn phải phối hợp tìm kiếm và liên tục quay trở lại khu vực bạn đã tìm kiếm bởi vì bạn có thể xem lại và nghĩ rằng mình đã bỏ lỡ một cái gì đó khi bạn tìm kiếm nơi đó lần đầu tiên.
Các công nghệ giúp cho việc ứng dụng tư duy này chia khu vực quan tâm thành một mạng lưới liên kết và kết hợp khả năng đối tượng nằm trong mỗi tế bào của nó.
Với vị trí của mỗi tàu hoặc máy bay tìm kiếm, chúng tôi xác định một số mạng lưới tế bào có thể nhìn thấy từ con tàu hoặc máy bay. Sau đó chúng tôi sử dụng các khả năng mà chúng ta sẽ thấy các đối tượng đang được tìm kiếm nếu có các thao tác giúp nhận ra đối tượng nằm trong mỗi tế bào lưới.
Thật không may, chúng ta thường không thấy đối tượng, đó là lý do tại sao chúng tôi đang tìm kiếm nó. Vì vậy, chúng tôi thực sự sử dụng thông tin tiêu cực này để giảm xác suất. Chúng tôi lặp lại quá trình này để cập nhật bản đồ xác suất cũng như các tàu và máy bay di chuyển để các khả năng đang “quét sạch” tăng dần lên.
Quyết định nơi để gửi các tàu và máy bay, chúng tôi xem xét rất nhiều quỹ đạo ứng cử cho mỗi con tàu và máy bay và sau đó lựa chọn sự kết hợp đó để quét lên phần lớn nhất của xác suất còn lại. Chúng tôi lặp lại quá trình xác định quỹ đạo cho đến khi chúng tôi tìm thấy các đối tượng mà chúng tôi đang tìm kiếm. Ta có thể làm điều gì đó tương tự như khi tìm kiếm nhiều đối tượng, chỉ là toán học được tham gia nhiều hơn một chút.
Hồ sơ theo dõi đã chứng minh
Metron, một công ty của Mỹ đã giúp phát triển Hệ thống lập kế hoạch tối ưu tìm kiếm cứu nạn của Cảnh sát biển Hoa Kỳ (US Coast Guard), sử dụng công nghệ được xây dựng trên ý tưởng này để tìm kiếm máy bay AF447 của Air France khi nó rơi xuống Đại Tây Dương vào năm 2009, hay chiếc tàu SS Central America bị chìm trong một cơn bão vào năm 1857 với số vàng miếng và tiền xu trị giá khoảng 400 triệu USD và USS Scorpion , một tàu ngầm hạt nhân mất tích trên biển vào năm 1968.
Công nghệ liên quan cũng được sử dụng để phân tích các báo cáo lịch sử từ những người Đức còn sống sót để tìm HMAS Sydney II và HSK Kormoran, hai tàu bị chìm sau một trận chiến vào năm 1941 ngoài khơi bờ biển Tây Úc – không quá xa nơi các máy bay đang cố gắng tìm kiếm MH370.
Không bối rối trước sự nhận thức muộn màng
Ngay cả khi sử dụng công nghệ này, sẽ là hoàn toàn hợp lý trong việc thay đổi ý kiến của bạn nếu bạn nhận được thông tin tốt hơn từ dữ liệu vệ tinh nhưng nó cũng giúp bảo vệ các đội tìm kiếm từ những chỉ trích khi quyết định đó trên thực tế là sai. Trong quá trình hoạt động như thế này, các quyết định thường được dựa trên thông tin không đầy đủ. Do đó, đôi khi bạn thấy rằng bạn đã thực hiện các quyết định sai lầm bởi vì bạn không có một phần thông tin quan trọng khi thực hiện nó.
Ví dụ, nếu các quốc gia quan tâm đã đến thăm tất cả các địa điểm bị nghi ngờ có vũ khí ở Iraq và phát hiện rằng các loại vũ khí hủy diệt hàng loạt đã không được sản xuất vào thời điểm đó, họ có thể đã thực hiện một quyết định khác về việc có hay không xâm lược đất nước này.
Trong trường hợp này và trong trường hợp của việc tìm kiếm MH370, tất cả các thông tin mà bạn cần là không có sẵn khi bạn đưa ra quyết định và những gì bạn quyết định làm không giống như những gì bạn sẽ quyết định trong nhận thức.
Các quyết định khó khăn, theo định nghĩa là những điều rất khó. Chúng ta cần phải chuẩn bị sẵn sàng để đề cao những người đưa ra các quyết định khó khăn dựa trên thông tin không đầy đủ, không chỉ trích họ khi sau này ta chỉ ra rằng quyết định của họ là “sai lầm”.
Thật không may, luôn luôn có một câu hỏi cơ bản về cái mà bạn đang tìm kiếm thực sự là tất cả. Dường như những mảnh vỡ từ chiếc máy bay bây giờ đã chìm sâu xuống đáy đại dương.
Nhưng đến khi chúng tôi biết rằng chắc chắn, việc tìm kiếm sẽ được tiếp tục và công nghệ tồn tại để giúp những người tìm kiếm MH370 tận dụng tốt nhất các thông tin cũng như các tàu và máy bay hiện có cho việc tìm kiếm. Tôi tin rằng công nghệ này sẽ đóng vai trò trung tâm trong một tiêu đề tin tức trong tương lai mà thế giới đang hy vọng sẽ được đọc ngay: “MH370 đã được tìm thấy”.
Vương Thanh (dịch)
Nguồn: http://www.statslife.org.uk/world-affairs/1326-how-statistics-can-help-in-the-mission-to-find-mh370