Foto: Ahmad Hashim
Nyhederne kaldes ofte det ”første uslebne udkast til historien”, den første knæk til at give mening om vores tids kampe og triumfer. En ny kunstig intelligensmotor kan imidlertid muligvis høste disse træk for at finde ud af fremtiden. Ved at bruge avancerede beregningsteknikker til at analysere gennem to årtier af New York Times-historier og andre ressourcer, tror Microsoft-forsker Eric Horvitz og Technion-Israel Institute of Technology videnskabsmand Kira Radinsky, at de måske kunne identificere de underliggende forbindelser mellem hændelser i den virkelige verden og forudsige, hvad der vil ske dernæst.
Kunsten er, at mange nyhedsværdige begivenheder - optøjer, sygdomsudbrud - siger BBC, er forudgående af andre andre mindre dramatiske nyheder. Men ved at grave gennem et så stort væld af historier, kan disse ellers oversettede foreninger trækkes ud.
I deres forskningsartikel siger de to videnskabsfolk, at de ved hjælp af en blanding af arkiverede nyhedsrapporter og data i realtid kunne se forbindelser mellem tørke og storme i dele af Afrika og koleraudbrud.
I 1973 offentliggjorde New York Times for eksempel nyheder om en tørke i Bangladesh, og i 1974 rapporterede den om en koleraepidemi.
Efter rapporter om en anden tørke i det samme land i 1983 rapporterede avisen igen kolera-dødsfald i 1984.
”Advarer om en nedstrøms risiko for kolera kunne have været udsendt næsten et år i forvejen, ” skrev forskerne Eric Horvitz, direktør for Microsoft Research, og Kira Radinsky, ph.d.-studerende ved Technion-Israel Institute of Technology.
Denne model betyder ikke nødvendigvis, at tørke for Bangladesh altid vil føre til kolera. Men ved at se begivenhederne med øje for fremtiden, kan en forestående tørke være et tegn for de bangladeshiske vandforvaltere for at holde øje med deres behandlingsprogrammer, eller for at sundhedsarbejdere skal være på vagt for et udbrud.
Lignende forbindelser mellem tørke og kolera, siger MIT's Technology Review, blev identificeret for Angola.
I lignende test, der involverede prognoser for sygdom, vold og et betydeligt antal dødsfald, var systemets advarsler korrekte mellem 70 til 90 procent af tiden.
Teknikker som denne bruges i videnskaben hele tiden. Neurale netværk, maskinlæring og tilgang til kunstig intelligens har hjulpet YouTube med at opdage - uden menneskelig indgriben - hvad katte er og har hjulpet paleontologer med at fremskynde fossiljagt. Da de kan analysere store skår af data, er computere især velegnede til at trække nogle af de ikke-indlysende tendenser, der gennemsyrer historien. MITs Tom Simonite:
Mange ting om verden har ændret sig i de seneste årtier, men menneskets natur og mange aspekter af miljøet har forblevet den samme, siger Horvitz, så software kan muligvis lære flere mønstre fra endog meget gamle data, der kan antyde, hvad der er foran. ”Jeg er personligt interesseret i at få data længere tilbage i tiden, ” siger han.
Mere fra Smithsonian.com:
Uden menneskelig tilsyn lærer 16.000 computere at genkende katte.
Fossil Finding Goes High Tech
