Foto: Ahmad Hashim
Vijest se često naziva "prvim grubim nacrtom povijesti", prvim ispucajem u smislu smisla borbi i trijumfa našeg vremena. No, novi mehanizam umjetne inteligencije mogao bi izvući te nacrte kako bi odredio budućnost. Koristeći napredne računalne tehnike za raščlanjivanje kroz dva desetljeća priča New York Timesa i drugih resursa, Microsoftov istraživač Eric Horvitz i znanstvenica Tehnološko-izraelskog instituta Tehnologija, Kira Radinsky, misle da bi mogli utvrditi temeljne veze između stvarnih događaja i predvidi što će se dalje dogoditi.
Trik je u tome što mnogim događajima koji su značajni za novine - nemiri, epidemije bolesti - kaže BBC, prethode i druge druge manje dramatične vijesti. No, kopanjem po tako ogromnom bogatstvu priča, ove inače previdjene udruge mogu se izvući.
U svom istraživačkom radu, dvojica znanstvenika kažu da su pomoću kombinacije arhiviranih vijesti i podataka u stvarnom vremenu mogli vidjeti vezu između suše i oluje u dijelovima Afrike i epidemije kolere.
Na primjer, 1973. New York Times objavio je vijest o suši u Bangladešu, a 1974. izvijestio je o epidemiji kolere.
Nakon izvješća o još jednoj suši u istoj državi 1983. godine, novine su ponovno izvijestile o smrti od kolere 1984. godine.
"Upozorenja o riziku od kolere mogla bi biti objavljena gotovo godinu dana unaprijed", napisali su istraživači Eric Horvitz, direktor Microsoftovog istraživanja, i Kira Radinsky, doktorica studija s Tehnološkog instituta u Izraelu.
Ovaj model ne znači nužno da će za Bangladeš suša uvijek dovesti do kolere. Ali, gledanjem događaja s pogledom u budućnost, nadolazeća suša mogla bi biti znak rukovoditeljima vode u Bangladešiju da pažljivo prate svoje programe liječenja ili da zdravstveni radnici budu oprezni od epidemije.
Slične veze između suše i kolere, kaže MIT-ov tehnološki pregled, identificirane su i za Angolu.
U sličnim testovima koji su uključivali prognoze bolesti, nasilja i značajnog broja smrtnih slučajeva, upozorenja sustava bila su tačna između 70 do 90 posto vremena.
Tehnike poput ove koriste se u znanosti cijelo vrijeme. Neuronske mreže, strojno učenje i pristupi umjetnoj inteligenciji pomogli su YouTubeu da bez ljudske intervencije otkrije koje su mačke i pomogli su paleontolozi da ubrzaju lov na fosile. Budući da mogu analizirati ogromne količine podataka, računala su posebno prikladna za izvlačenje nekih ne očiglednih trendova koji prožimaju povijest. Tom Simonite sa MIT-a:
Mnoge stvari o svijetu promijenile su se posljednjih desetljeća, ali ljudska priroda i mnogi aspekti okoline ostali su isti, kaže Horvitz, tako da će softver možda moći naučiti uzorke iz čak vrlo starih podataka koji mogu sugerirati što slijedi. "Osobno me zanima povrat podataka u prošlost", kaže on.
Više sa Smithsonian.com:
Bez ljudskog nadzora, 16.000 računala nauči prepoznati mačke.
Pronalazak fosila visoko je tehnološki
