Como pode a análise de Big Data axudar a derrotar o coronavirus e como as tecnoloxías de aprendizaxe automática permiten analizar unha gran cantidade de datos? Nikolai Dubinin, presentador da canle de Youtube Industria 4.0, está a buscar respostas a estas preguntas.
A análise de big data é unha das formas máis poderosas de rastrexar a propagación do virus e derrotar a pandemia. Hai 160 anos aconteceu unha historia que amosaba claramente o importante que é recoller datos e analizalos rapidamente.
Mapa da propagación do coronavirus en Moscova e na rexión de Moscova.
Como comezou todo? 1854 A zona de Soho de Londres é afectada por un brote de cólera. 500 persoas morren en dez días. Ninguén entende a orixe da propagación da enfermidade. Nese momento, críase que a enfermidade se transmitía debido á inhalación de aire insalubre. Todo cambiou o doutor John Snow, que se converteu nun dos fundadores da epidemioloxía moderna. Comeza a entrevistar aos veciños da zona e pon todos os casos identificados da enfermidade no mapa. As estatísticas mostraron que a maioría dos mortos estaban preto da fontana de Broad Street. Non o aire, senón a auga envelenada polas augas residuais provocou a epidemia.
O servizo de Tectonix mostra, usando o exemplo dunha praia de Miami, como as multitudes poden afectar a propagación das epidemias. O mapa contén millóns de datos anónimos con xeolocalización procedentes de teléfonos intelixentes e tabletas.
Agora imaxina o rápido que se estende o coronavirus polo noso país despois dun atasco no metro de Moscova o 15 de abril. Entón a policía comprobou o pase dixital de cada persoa que baixaba ao metro.
Por que necesitamos pases dixitais se o sistema non pode facer fronte á súa verificación? Tamén hai cámaras de vixilancia.
Segundo Grigory Bakunov, director de difusión tecnolóxica de Yandex, o sistema de recoñecemento facial que funciona hoxe recoñece 20-30 fps nun só ordenador. Custa uns 10 dólares. Ao mesmo tempo, hai 200 cámaras en Moscova. Para que todo funcione en modo real, cómpre instalar uns 20 mil ordenadores. A cidade non ten ese tipo de cartos.
Ao mesmo tempo, o 15 de marzo celebráronse eleccións parlamentarias fóra de liña en Corea do Sur. A participación nos últimos dezaseis anos foi un récord: o 66%. Por que non lles teñen medo aos lugares masificados?
Corea do Sur conseguiu reverter o desenvolvemento da epidemia no país. Xa tiveron unha experiencia similar: en 2015 e 2018, cando houbo brotes do virus MERS no país. En 2018, tiveron en conta os seus erros de hai tres anos. Nesta ocasión, as autoridades actuaron de forma especialmente decidida e conectaron big data.
Monitorizáronse os movementos dos pacientes mediante:
gravacións das cámaras de vixilancia
transaccións con tarxeta de crédito
Datos GPS dos coches dos cidadáns
Teléfonos móbiles
Os que estaban en corentena tiveron que instalar unha aplicación especial que alertaba ás autoridades dos infractores. Foi posible ver todos os movementos cunha precisión de ata un minuto, e tamén descubrir se a xente levaba máscaras.
A multa por violación foi de ata 2,5 mil dólares. A mesma aplicación avisa ao usuario se hai persoas infectadas ou unha multitude de persoas nas proximidades. Todo isto é paralelo ás probas masivas. No país fixéronse ata 20 probas todos os días. Instaláronse 633 centros dedicados só ás probas de coronavirus. Tamén había 50 postos nos aparcamentos nos que se podía facer a proba sen deixar o coche.
Pero, como sinala correctamente o xornalista científico e creador do portal científico N + 1 Andrey Konyaev, A pandemia pasará, pero os datos persoais permanecerán. O estado e as corporacións poderán seguir o comportamento dos usuarios.
Por certo, segundo os últimos datos, o coronavirus resultou ser máis contaxioso do que pensabamos. Este é un estudo oficial realizado por científicos chineses. Sabíase que o COVID-19 pode transmitirse dunha persoa a cinco ou seis persoas, e non a dúas ou tres, como se pensaba anteriormente.
A taxa de infección pola gripe é de 1.3. Isto significa que unha persoa enferma infecta a unha ou dúas persoas. O coeficiente inicial de infección por coronavirus é de 5.7. A mortalidade por gripe é do 0.1%, por coronavirus, do 1-3%.
Os datos preséntanse a principios de abril. Moitos casos non se diagnostican porque a persoa non se fai a proba de coronavirus ou a enfermidade é asintomática. Polo tanto, polo momento é imposible sacar conclusións sobre os números.
As tecnoloxías de aprendizaxe automática son as mellores para analizar unha gran cantidade de datos e axudan non só a rastrexar movementos, contactos, senón tamén:
diagnosticar coronavirus
buscar medicina
buscar unha vacina
Moitas empresas anuncian solucións preparadas baseadas na intelixencia artificial, que detectará automaticamente o coronavirus non por análise, senón, por exemplo, mediante radiografías ou tomografía computarizada dos pulmóns. Así, o médico comeza a traballar inmediatamente cos casos máis graves.
Pero non todas as intelixencias artificiais teñen suficiente intelixencia. A finais de marzo, os medios difundiron a noticia de que un novo algoritmo cunha precisión de ata o 97% podería determinar o coronavirus por raios X dos pulmóns. Non obstante, resultou que a rede neuronal estaba adestrada en só 50 fotografías. É unhas 79 fotos menos das que precisas para comezar a recoñecer a enfermidade.
DeepMind, unha división da empresa matriz de Google, Alphabet, quere recrear completamente a estrutura proteica dun virus mediante a intelixencia artificial. A principios de marzo, DeepMind dixo que os seus científicos chegaran a comprender a estrutura das proteínas asociadas co COVID-19. Isto axudará a comprender como funciona o virus e acelerará a busca dunha cura.
Que máis ler sobre o tema:
- Como a tecnoloxía predice as pandemias
- Outro mapa do coronavirus en Moscova
- Como nos rastrexan as redes neuronais?
- O mundo post-coronavirus: enfrontarémonos a unha epidemia de ansiedade e depresión?
Subscríbete e síguenos en Yandex.Zen: tecnoloxía, innovación, economía, educación e compartir nunha soa canle.