Fotó: Ahmad Hashim
A hírt gyakran „a történelem első durva tervezetének” nevezik, amely az első repedés a korunk küzdelmeinek és diadalmainak értelmezésére. Egy új mesterséges intelligencia motor azonban képes lesz arra, hogy betakarítsa ezeket a tervezeteket, hogy kitalálja a jövőt. Ha a Microsoft kutatója Eric Horvitz és a Technion-Israel Institute of Technology Technológiai tudós Kira Radinsky két évtizednyi New York Times történeteit és más forrásait elemezte, fejlett számítási technikák segítségével úgy gondolja, hogy képesek lesznek azonosítani a valós események és a megjósolni, hogy mi fog történni a következő.
A trükk az, hogy sok hírértékű esemény - zavargások, betegségkitörések - állítja a BBC, és más, kevésbé drámai hírek előtt állnak. De ha oly sok történetet átnézünk, ezeket az egyébként figyelmen kívül hagyott társulásokat ki lehet vonni.
Kutatómunkájukban a két tudós azt állítja, hogy archivált hírjelentések és valós idejű adatok keverékével képesek voltak megtekinteni az Afrika egyes részein az aszályok és a viharok, valamint a kolerajárványok közötti kapcsolatokat.
Például 1973-ban a New York Times újságot közölt a bangladesi aszályról, 1974-ben kolerajárványról számolt be.
Az ugyanazon országban 1983-ban bekövetkezett újabb aszályról szóló bejelentéseket követően az újság ismét beszámolt a kolera haláláról 1984-ben.
„A kolera downstream kockázatáról szóló riasztásokat csaknem egy évvel korábban lehetett volna kiadni” - írta Eric Horvitz, a Microsoft Research igazgatója és Kira Radinsky, a Technion-Izrael Institute of Technology doktorandusz hallgatója.
Ez a modell nem feltétlenül jelenti azt, hogy Banglades esetében az aszály mindig kolera kialakulásához vezet. Ha azonban az eseményeket a jövőre nézve szemléltetjük, a közelgő aszály jele lehet annak, hogy a bangladesi vízgazdálkodók jobban figyelemmel kísérjék kezelési programjukat, vagy hogy az egészségügyi dolgozók féljenek a kitöréstől.
Az aszály és a kolera közötti hasonló kapcsolatokat - mondja az MIT Technology Review - Angola esetében azonosították.
Hasonló betegség-, erőszak- és jelentős halálesetek előrejelzésével végzett tesztek során a rendszer figyelmeztetései az idő 70–90 százaléka között voltak helyesek.
Az ilyen technikákat állandóan használják a tudományban. A neurális hálózatok, a gépi tanulás és a mesterséges intelligencia megközelítései segítették a YouTube-ot - emberi beavatkozás nélkül - felfedezni, hogy mi a macska, és elősegítették a paleontológusoknak a fosszilis vadászat felgyorsítását. Mivel képesek elemezni a hatalmas adatmennyiséget, a számítógépek különösen alkalmasak a történelemben áthatoló nem nyilvánvaló tendenciák kihúzására. A MIT Tom Simonite:
A világ sok dolgát megváltoztatták az elmúlt évtizedekben, de az emberi természet és a környezet sok aspektusa változatlan maradt - mondja Horvitz, így a szoftverek akár nagyon régi adatokból is megismerhetik a mintákat, amelyek megmutathatják, mi várható. "Személy szerint érdekli az adatok időbeni visszaszolgáltatása" - mondja.
Még több a Smithsonian.com webhelyről:
Emberi felügyelet nélkül 16 000 számítógép megtanulja felismerni a macskákat.
A fosszilis keresés csúcstechnológiát jelent
