Kuva: Ahmad Hashim
Uutisia kutsutaan usein ”historian ensimmäiseksi karkeaksi luonnosksi”, joka on ensimmäinen aikamme aikamme taistelujen ja voittojen ymmärtämiseen. Uusi tekoälymoottori saattaa kuitenkin pystyä korjaamaan nämä luonnokset tulevaisuuden selvittämiseksi. Microsoftin tutkija Eric Horvitz ja Technion-Israelin teknologiainstituutin tutkija Kira Radinsky arvioivat edistyneitä laskennallisia tekniikoita kahden vuosikymmenen New York Times -tarinoiden ja muiden lähteiden jäsentämiseksi, jotta he pystyisivät tunnistamaan todellisen maailman tapahtumien ja ennustaa, mitä tapahtuu seuraavaksi.
Temppu on se, että monia uutisarvoisia tapahtumia - mellakoita, tautipesäkkeitä - sanoo BBC, edeltää muita muita vähemmän dramaattisia uutisia. Mutta kaivamalla läpi niin suuren määrän tarinoita, nämä muuten unohdetut yhdistykset voidaan vetää pois.
Kaksi tutkijaa sanoivat tutkimuspaperissaan, että käyttämällä yhdistelmää arkistoituja uutisia ja reaaliaikaista tietoa, he pystyivät näkemään yhteydet kuivuuden ja myrskyjen välillä Afrikan osissa ja koleran puhkeamisen välillä.
Esimerkiksi vuonna 1973 New York Times julkaisi uutisia kuivuudesta Bangladeshissa, ja vuonna 1974 se ilmoitti koleraepidemian.
Saatuaan ilmoituksia samasta maasta vuonna 1983 tapahtuneesta toisesta kuivuudesta, sanomalehti kertoi koleran kuolemista vuonna 1984.
”Koleran loppupään riskihälytykset olisi voitu antaa lähes vuotta etukäteen”, kirjoittivat tutkijat Eric Horvitz, Microsoftin tutkimuksen johtaja ja Kira Radinsky, PhD-opiskelija Technion-Israel Institute of Technology -yksikössä.
Tämä malli ei välttämättä tarkoita, että Bangladeshille kuivuus johtaa aina koleraan. Mutta tarkastelemalla tapahtumia tulevaisuuden silmällä pitäen lähestyvä kuivuus voi olla merkki Bangladeshin vesijohtajille pitämään tarkemmin hoitosuunnitelmissaan tai terveydenhuollon työntekijöiden olla varovaisia puhkeamisen varalta.
Angolalle löydettiin samanlaisia yhteyksiä kuivuuden ja koleran välillä, MIT: n Technology Review -lehden mukaan.
Samankaltaisissa testeissä, jotka sisälsivät tautien, väkivallan ja huomattavan määrän kuolemantapauksia, järjestelmän varoitukset olivat oikein välillä 70–90 prosenttia ajasta.
Tämänkaltaisia tekniikoita käytetään tieteessä jatkuvasti. Neuraaliverkot, koneoppiminen ja tekoälyn lähestymistavat ovat auttaneet YouTubea selvittämään kissojen muodot - ilman ihmisen väliintuloa - ja auttaneet paleontologioita nopeuttamaan fossiilien metsästämistä. Koska tietokoneet voivat analysoida laajoja tietä, tietokoneet ovat erityisen sopivia vetämään pois joitain ei-ilmeisiä suuntauksia, jotka tunkeutuvat historiaan. MIT: n Tom Simonite:
Monet asiat maailmassa ovat muuttuneet viime vuosikymmeninä, mutta ihmisluonto ja monet ympäristönäkökohdat ovat pysyneet samana, Horvitz sanoo, joten ohjelmistot voivat ehkä oppia malleja jo hyvin vanhoista tiedoista, jotka voivat viitata eteenpäin. "Olen henkilökohtaisesti kiinnostunut siitä, että tietoja saadaan ajallisesti taaksepäin", hän sanoo.
Lisää Smithsonian.com-sivustolta:
Ilman ihmisen valvontaa 16 000 tietokonetta oppii tunnistamaan kissat.
Fossiilien etsiminen käy korkean teknologian tasolla
