צילום: אחמד האשים
החדשות מכונות לעתים קרובות "הטיוטה המחוספסת הראשונה של ההיסטוריה", הסדק הראשון בהיגיון במאבקים וניצחונות זמננו. עם זאת, מנוע חדש של בינה מלאכותית עשוי לאסוף את הטיוטות הללו כדי להבין את העתיד. על ידי שימוש בטכניקות חישוב מתקדמות כדי לנתח שני עשורים של סיפורי ניו יורק טיימס ומשאבים אחרים, חושבים חוקר מיקרוסופט אריק הורביץ ומדעי המכון הטכנולוגי לישראל, קירה רדינסקי, שהם עשויים לזהות את הקשרים הבסיסיים בין אירועים בעולם האמיתי לחזות מה יהיה הלאה.
החוכמה היא שאירועים רבים בעלי ערך חדש - מהומות, התפרצויות מחלות - אומר ה- BBC, מקדימים סיפורי חדשות אחרים פחות דרמטיים. אבל, על ידי חפירה בשפע כה גדול של סיפורים, ניתן לשלוף את האסוציאציות הללו שהן מעולם לא נשכחות.
במחקר המחקר שלהם אומרים שני המדענים כי באמצעות תערובת של דיווחי חדשות שהועברו לארכיון ונתונים בזמן אמת, הם הצליחו לראות קשרים בין בצורת וסערות באזורים באפריקה לבין התפרצויות כולרה.
כך למשל בשנת 1973 פרסם הניו יורק טיימס חדשות על בצורת בבנגלדש, ובשנת 1974 דווח על מגיפת כולרה.
בעקבות דיווחים על בצורת נוספת באותה מדינה בשנת 1983, העיתון דיווח שוב על מקרי מוות בכולרה בשנת 1984.
החוקרים אריק הורביץ, מנהל תחום המחקר של מיקרוסופט, וקירה רדינסקי, סטודנט לתואר שלישי במכון הטכנולוגי לישראל בטכניון, כתבו החוקרים אריק הורביץ, מנהל תחום המחקר של מיקרוסופט.
מודל זה לא אומר בהכרח שבבנגלדש, הבצורת תמיד תוביל לחבלה. עם זאת, על ידי התבוננות במתרחש במבט לעתיד, בצורת הממשמשת ובאה יכולה להוות סימן למנהלי המים בבנגלדש לפקוח מקרוב על תוכניות הטיפול שלהם, או לעובדי שירותי הבריאות להיזהר מהתפרצות.
קשרים דומים בין הבצורת לככולרה, טוענת ה- Technology Review של MIT, זוהו עבור אנגולה.
בבדיקות דומות שכללו תחזיות על מחלות, אלימות ומספר לא מבוטל של מקרי מוות, אזהרות המערכת היו נכונות בין 70 ל- 90 אחוז מהזמן.
טכניקות כמו זו משמשות במדע כל הזמן. רשתות עצביות, למידת מכונות וגישות בינה מלאכותית עזרו ל- YouTube לגלות - ללא התערבות אנושית - מהן החתולים ועזרו לפליאונטולוגים להאיץ את ציד המאובנים. מכיוון שהם יכולים לנתח נתונים רבים, מחשבים מתאימים במיוחד לשלוף כמה מהטרנדים הבלתי ברורים המחלחלים להיסטוריה. טום סימונייט של MIT:
דברים רבים על העולם השתנו בעשורים האחרונים, אך הטבע האנושי והיבטים רבים של הסביבה נותרו זהים, אומר הורביץ, כך שתוכנה אולי תוכל ללמוד דפוסים אפילו מתוך נתונים ישנים מאוד שיכולים להציע מה קדימה. "אני באופן אישי מעוניין לקבל נתונים בהמשך הזמן", הוא אומר.
עוד מ- Smithsonian.com:
ללא פיקוח אנושי, 16, 000 מחשבים לומדים להכיר חתולים.
מאובנים מוצאים הולך והייטק
