Որքան մեծ տվյալներն են օգնում պայքարել համաճարակի դեմ

Ինչպե՞ս կարող է Big Data-ի վերլուծությունը օգնել հաղթահարել կորոնավիրուսը և ինչպե՞ս կարող են մեքենայական ուսուցման տեխնոլոգիաները թույլ տալ մեզ վերլուծել հսկայական քանակությամբ տվյալներ: Այս հարցերի պատասխանները փնտրում է Industry 4.0 Youtube ալիքի հաղորդավար Նիկոլայ Դուբինինը:

Մեծ տվյալների վերլուծությունը վիրուսի տարածմանը հետևելու և համաճարակը հաղթահարելու ամենահզոր միջոցներից մեկն է։ 160 տարի առաջ տեղի ունեցավ մի պատմություն, որը հստակ ցույց տվեց, թե որքան կարևոր է տվյալներ հավաքել և արագ վերլուծել դրանք:

Ինչպե՞ս սկսվեց այդ ամենը: 1854 Լոնդոնի Սոհո շրջանը հարվածեց խոլերայի բռնկմանը: Տասը օրում 500 մարդ է մահանում. Ոչ ոք չի հասկանում հիվանդության տարածման աղբյուրը։ Այն ժամանակ ենթադրվում էր, որ հիվանդությունը փոխանցվում է անառողջ օդի ներշնչման պատճառով։ Ամեն ինչ փոխեց բժիշկ Ջոն Սնոուին, ով դարձավ ժամանակակից համաճարակաբանության հիմնադիրներից մեկը։ Նա սկսում է հարցազրույց վերցնել տեղի բնակիչներից և քարտեզի վրա դնում հիվանդության բոլոր հայտնաբերված դեպքերը: Վիճակագրությունը ցույց է տվել, որ մահացածների մեծ մասը գտնվում է Բրոդ Սթրիթի կանգառի մոտ: Համաճարակի պատճառ է դարձել ոչ թե օդը, այլ կոյուղաջրերից թունավորված ջուրը։

Tectonix-ի ծառայությունը, օգտագործելով Մայամիի լողափի օրինակը, ցույց է տալիս, թե ինչպես կարող են ամբոխները ազդել համաճարակների տարածման վրա։ Քարտեզը պարունակում է միլիոնավոր անանուն տվյալներ՝ աշխարհագրական դիրքով, որոնք ստացվում են սմարթֆոններից և պլանշետներից:

Հիմա պատկերացրեք, թե ինչ արագությամբ է տարածվում մեր երկրում կորոնավիրուսը ապրիլի 15-ին Մոսկվայի մետրոյում խցանումից հետո։ Հետո ոստիկանությունը ստուգեց մետրո իջած յուրաքանչյուր մարդու թվային անցագիրը։

Ինչու՞ են մեզ անհրաժեշտ թվային անցագրերը, եթե համակարգը չի կարող հաղթահարել դրանց ստուգումը: Կան նաև տեսահսկման տեսախցիկներ։

Ըստ Yandex-ի տեխնոլոգիաների տարածման տնօրեն Գրիգորի Բակունովի, դեմքի ճանաչման համակարգը, որն այսօր գործում է, ճանաչում է 20.-30 կադր/վ մեկ համակարգչի վրա: Այն արժե մոտ $10: Միաժամանակ Մոսկվայում կա 200 տեսախցիկ։ Որպեսզի այդ ամենը աշխատի իրական ռեժիմում, անհրաժեշտ է տեղադրել մոտ 20 հազար համակարգիչ։ Քաղաքը նման փող չունի։

Միաժամանակ մարտի 15-ին Հարավային Կորեայում անցկացվեցին օֆլայն խորհրդարանական ընտրություններ։ Անցած տասնվեց տարիների ընթացքում ընտրողների մասնակցությունը ռեկորդային է եղել՝ 66%: Ինչո՞ւ չեն վախենում մարդաշատ վայրերից։

Հարավային Կորեային հաջողվել է հակադարձել երկրի ներսում համաճարակի զարգացումը։ Նրանք արդեն ունեին նմանատիպ փորձ՝ 2015 և 2018 թվականներին, երբ երկրում MERS վիրուսի բռնկումներ եղան։ 2018 թվականին նրանք հաշվի են առել երեք տարի առաջվա իրենց սխալները։ Այս անգամ իշխանությունները գործեցին հատկապես վճռական և կապեցին մեծ տվյալները։

Հիվանդի շարժումները վերահսկվել են՝ օգտագործելով.

• տեսագրություններ տեսախցիկներից

• կրեդիտ քարտերով գործարքներ

• GPS տվյալները քաղաքացիների մեքենաներից

• Բջջային հեռախոսներ

Նրանք, ովքեր կարանտինում էին, ստիպված էին տեղադրել հատուկ հավելված, որը իշխանություններին ահազանգում էր խախտողների մասին։ Հնարավոր է եղել տեսնել բոլոր շարժումները մինչև մեկ րոպեի ճշգրտությամբ, ինչպես նաև պարզել՝ արդյոք մարդիկ դիմակներով են եղել։

Խախտման համար տուգանքը կազմել է մինչև 2,5 հազար դոլար։ Նույն հավելվածը օգտատիրոջը տեղեկացնում է, եթե մոտակայքում կան վարակվածներ կամ մարդկանց ամբոխ։ Այս ամենը մասսայական թեստավորմանը զուգահեռ է։ Երկրում օրական մինչև 20 թեստ է արվել։ Ստեղծվել է միայն կորոնավիրուսի թեստավորմանը նվիրված 633 կենտրոն։ Կային նաև 50 կայաններ ավտոկայանատեղերում, որտեղ կարող էիք թեստն անցնել առանց մեքենայից դուրս գալու:

Բայց, ինչպես ճիշտ է նշում գիտական ​​լրագրող և N + 1 գիտական ​​պորտալի ստեղծող Անդրեյ Կոնյաևը, Համաճարակը կանցնի, բայց անձնական տվյալները կմնան։ Պետությունը և կորպորացիաները կկարողանան հետևել օգտատերերի վարքագծին:

Ի դեպ, վերջին տվյալներով՝ կորոնավիրուսն ավելի վարակիչ է ստացվել, քան կարծում էինք։ Սա չինացի գիտնականների պաշտոնական հետազոտությունն է։ Հայտնի է դարձել, որ COVID-19-ը կարող է փոխանցվել մեկ մարդուց հինգ կամ վեց մարդու, այլ ոչ թե երկու կամ երեքի, ինչպես նախկինում ենթադրվում էր։

Տվյալները ներկայացված են ապրիլի սկզբի դրությամբ։ Շատ դեպքեր չեն ախտորոշվում, քանի որ անձը չի թեստավորվում կորոնավիրուսի համար կամ հիվանդությունն ասիմպտոմատիկ է։ Ուստի այս պահին թվերի վերաբերյալ եզրակացություններ անելն անհնար է։

Մեքենայի ուսուցման տեխնոլոգիաները լավագույնն են հսկայական քանակությամբ տվյալների վերլուծության մեջ և օգնում են ոչ միայն հետևել շարժումներին, կոնտակտներին, այլ նաև.

• ախտորոշել կորոնավիրուսը

• դեղ փնտրեք

• փնտրեք պատվաստանյութ

Շատ ընկերություններ հայտարարում են արհեստական ​​ինտելեկտի վրա հիմնված պատրաստի լուծումներ, որոնք ավտոմատ կերպով կհայտնաբերեն կորոնավիրուսը ոչ թե անալիզի, այլ, օրինակ, թոքերի ռենտգեն կամ տոմոգրաֆիայի միջոցով։ Այսպիսով, բժիշկը սկսում է անմիջապես աշխատել ամենալուրջ դեպքերի հետ:

Բայց ոչ բոլոր արհեստական ​​ինտելեկտն ունի բավարար ինտելեկտ: Մարտի վերջին լրատվամիջոցները լուր տարածեցին, որ նոր ալգորիթմը մինչև 97% ճշգրտությամբ կարող է որոշել կորոնավիրուսը թոքերի ռենտգենով։ Սակայն պարզվեց, որ նեյրոնային ցանցը վարժեցվել է ընդամենը 50 լուսանկարի վրա։ Դա մոտավորապես 79-ով ավելի քիչ լուսանկար է, քան անհրաժեշտ է հիվանդությունը ճանաչելու համար:

DeepMind-ը՝ Google-ի Alphabet-ի մայր ընկերության ստորաբաժանումը, ցանկանում է ամբողջությամբ վերստեղծել վիրուսի սպիտակուցային կառուցվածքը՝ օգտագործելով AI: Մարտի սկզբին DeepMind-ն ասաց, որ իր գիտնականները հասկացել են COVID-19-ի հետ կապված սպիտակուցների կառուցվածքը: Սա կօգնի հասկանալ, թե ինչպես է վիրուսը գործում և արագացնել բուժման որոնումը:

Բաժանորդագրվեք և հետևեք մեզ Yandex.Zen-ում՝ տեխնոլոգիա, նորարարություն, տնտեսագիտություն, կրթություն և կիսվել մեկ ալիքով: