Foto: Ahmad Hashim
Neid uudiseid nimetatakse sageli “ajaloo esimeseks töötlemata mustandiks” - esimeseks lõheks meie aja võitluste ja võidukäikude mõistmisel. Uus tehisintellekti mootor võib-olla suudab need mustandid tuleviku väljamõistmiseks siiski koristada. Microsofti teaduri Eric Horvitzi ja Technioni-Iisraeli tehnoloogiainstituudi teaduri Kira Radinsky kahe aastakümne pikkuste New York Timesi lugude ja muude ressursside analüüsimiseks kasutades arenenud arvutusmeetodeid, arvavad nad, et nad võiksid tuvastada reaalse maailma sündmuste ja ennustada, mis edasi saab.
Trikk on selles, et paljudele uudisväärt sündmustele - rahutustele, haiguspuhangutele - väidab BBC, eelnevad muud vähem dramaatilised uudislood. Kuid nii suure hulga lugude läbi kaevates saab need muidu tähelepanuta jäetud ühendused välja tõmmata.
Kaks teadlast väidavad oma teadustöös, et arhiivitud uudiste ja reaalajas andmete segu abil suutsid nad näha seoseid Aafrika piirkondade põudade ja tormide ning koolerapuhangute vahel.
Näiteks avaldas New York Times 1973. aastal uudised põuast Bangladeshis ja 1974. aastal teatas see kooleraepideemiast.
Pärast teateid järjekordsest põuast samas riigis 1983. aastal teatas ajaleht taas koolerasurmadest 1984. aastal.
“Hoiatusi koolera alamriski kohta oleks võinud avaldada peaaegu aasta ette, ” kirjutasid teadlased Eric Horvitz, Microsofti teadusuuringute direktor ja Kira Radinsky, Technioni-Iisraeli tehnoloogiainstituudi doktorant.
See mudel ei tähenda tingimata, et Bangladeshi jaoks viib põud alati koolera. Kuid sündmusi tulevikku silmitsedes võib eelseisv põud olla märk Bangladeshi veemajanduse korraldajatele, et nad jälgiksid oma raviprogramme tähelepanelikumalt, või tervishoiutöötajatele, kes peaksid puhangu suhtes ettevaatlikud olema.
Angola puhul tuvastati sarnased seosed põua ja koolera vahel, vahendab MIT's Technology Review .
Sarnastes testides, mis hõlmasid haiguse, vägivalla ja märkimisväärse hulga surmajuhtumeid, olid süsteemi hoiatused õiged 70–90 protsenti ajast.
Selliseid tehnikaid kasutatakse teaduses kogu aeg. Neuraalvõrgud, masinõppimine ja tehisintellekti lähenemisviisid on aidanud YouTube'il ilma inimeste sekkumiseta avastada, millised on kassid, ja aidanud paleontoloogidel fossiilide jahti kiirendada. Kuna arvutid suudavad analüüsida tohutul hulgal andmeid, sobivad arvutid eriti hästi ajaloo läbipaistmatute suundumuste väljatõmbamiseks. MITi Tom Simonite:
Viimastel aastakümnetel on paljud asjad maailma kohta muutunud, kuid inimloomus ja paljud keskkonnaaspektid on jäänud samaks, väidab Horvitz, nii et tarkvara võib olla võimeline õppima mustreid isegi väga vanade andmete põhjal, mis osutavad, mis ees ootab. "Olen isiklikult huvitatud andmete ajalisest tagasisidest, " ütleb ta.
Rohkem saidilt Smithsonian.com:
Inimeste järelevalveta õpib kasse ära tundma 16 000 arvutit.
Fossiilide leidmine on kõrgtehnoloogia
