साथीच्या रोगाशी लढण्यासाठी किती मोठा डेटा मदत करत आहे

बिग डेटा विश्लेषण कोरोनाव्हायरसला पराभूत करण्यात कशी मदत करू शकते आणि मशीन लर्निंग तंत्रज्ञान आपल्याला मोठ्या प्रमाणात डेटाचे विश्लेषण करण्याची परवानगी कशी देऊ शकते? या प्रश्नांची उत्तरे Industry 4.0 Youtube चॅनेलचे होस्ट निकोलाई डुबिनिन शोधत आहेत.

बिग डेटा विश्लेषण हा व्हायरसच्या प्रसाराचा मागोवा घेण्याचा आणि साथीच्या रोगाचा पराभव करण्याचा सर्वात शक्तिशाली मार्ग आहे. 160 वर्षांपूर्वी, एक कथा घडली जी स्पष्टपणे दर्शवते की डेटा गोळा करणे आणि त्याचे द्रुतपणे विश्लेषण करणे किती महत्त्वाचे आहे.

हे सर्व कसे सुरू झाले? 1854 लंडनच्या सोहो भागात कॉलराचा प्रादुर्भाव झाला. दहा दिवसांत ५०० लोकांचा मृत्यू. रोगाचा प्रसार कशामुळे झाला हे कोणालाही समजत नाही. त्या वेळी, असे मानले जात होते की हा रोग अस्वास्थ्यकर हवेच्या श्वासोच्छवासामुळे पसरतो. सर्व काही बदलले डॉक्टर जॉन स्नो, जो आधुनिक महामारीविज्ञानाच्या संस्थापकांपैकी एक बनला. तो स्थानिक रहिवाशांची मुलाखत घेण्यास सुरुवात करतो आणि रोगाची सर्व ओळखलेली प्रकरणे नकाशावर ठेवतो. आकडेवारीवरून असे दिसून आले आहे की बहुतेक मृत ब्रॉड स्ट्रीट स्टँडपाइपजवळ होते. हवा नाही, तर सांडपाण्याने विषारी पाण्यामुळे साथीचा रोग झाला.

मियामीमधील समुद्रकिनाऱ्याचे उदाहरण वापरून टेक्टोनिक्सची सेवा दाखवते की, गर्दीचा साथीच्या रोगांच्या प्रसारावर कसा परिणाम होऊ शकतो. नकाशामध्ये स्मार्टफोन आणि टॅब्लेटवरून येणाऱ्या भौगोलिक स्थानासह निनावी डेटाचे लाखो तुकडे आहेत.

आता कल्पना करा की 15 एप्रिल रोजी मॉस्को मेट्रोमध्ये ट्रॅफिक जॅम झाल्यानंतर कोरोनाव्हायरस आपल्या देशभरात किती वेगाने पसरत आहे. त्यानंतर पोलिसांनी सबवेमध्ये उतरलेल्या प्रत्येक व्यक्तीचा डिजिटल पास तपासला.

जर सिस्टम त्यांच्या पडताळणीचा सामना करू शकत नसेल तर आम्हाला डिजिटल पासची आवश्यकता का आहे? पाळत ठेवणारे कॅमेरेही आहेत.

यांडेक्सचे तंत्रज्ञान प्रसार संचालक ग्रिगोरी बाकुनोव यांच्या मते, आज कार्यरत असलेली चेहरा ओळख प्रणाली 20 ओळखते-एका संगणकावर 30 fps. याची किंमत सुमारे $10 आहे. त्याच वेळी, मॉस्कोमध्ये 200 कॅमेरे आहेत. हे सर्व रिअल मोडमध्ये कार्य करण्यासाठी, आपल्याला सुमारे 20 हजार संगणक स्थापित करणे आवश्यक आहे. शहराकडे तसा पैसा नाही.

त्याच वेळी, 15 मार्च रोजी दक्षिण कोरियामध्ये ऑफलाइन संसदीय निवडणुका झाल्या. गेल्या सोळा वर्षांतील मतदान हे विक्रमी होते – ६६%. ते गर्दीच्या ठिकाणी का घाबरत नाहीत?

दक्षिण कोरियाने देशातील साथीच्या रोगाचा विकास मागे घेण्यात यश मिळवले आहे. त्यांना आधीच असाच अनुभव होता: 2015 आणि 2018 मध्ये, जेव्हा देशात MERS विषाणूचा उद्रेक झाला होता. 2018 मध्ये त्यांनी त्यांच्या तीन वर्षांपूर्वीच्या चुका लक्षात घेतल्या. यावेळी, अधिकार्यांनी विशेषतः निर्णायकपणे कार्य केले आणि मोठा डेटा कनेक्ट केला.

रुग्णाच्या हालचालींवर लक्ष ठेवले जाते:

• पाळत ठेवणाऱ्या कॅमेऱ्यांमधून रेकॉर्डिंग

• क्रेडिट कार्ड व्यवहार

• नागरिकांच्या कारमधील जीपीएस डेटा

• भ्रमणध्वनी

जे विलगीकरणात होते त्यांना एक विशेष अनुप्रयोग स्थापित करावा लागला ज्याने अधिकार्‍यांना उल्लंघन करणार्‍यांना सतर्क केले. एका मिनिटापर्यंतच्या अचूकतेने सर्व हालचाली पाहणे शक्य होते आणि लोकांनी मुखवटे घातले आहेत की नाही हे देखील शोधणे शक्य होते.

उल्लंघनासाठी दंड $ 2,5 हजार पर्यंत होता. हाच ऍप्लिकेशन वापरकर्त्याला संक्रमित लोक किंवा जवळपास लोकांचा जमाव असल्यास सूचित करतो. हे सर्व वस्तुमान चाचणीच्या समांतर आहे. देशात दररोज 20 चाचण्या केल्या जात होत्या. केवळ कोरोनाव्हायरस चाचणीसाठी समर्पित 633 केंद्रे स्थापन करण्यात आली आहेत. पार्किंग लॉटमध्ये 50 स्टेशन्स देखील होती जिथे तुम्ही तुमची कार न सोडता चाचणी देऊ शकता.

परंतु, विज्ञान पत्रकार आणि एन + 1 विज्ञान पोर्टलचे निर्माते आंद्रे कोन्याएव अचूकपणे नोंदवतात, साथीचा रोग निघून जाईल, परंतु वैयक्तिक डेटा राहील. राज्य आणि कॉर्पोरेशन वापरकर्त्याच्या वर्तनाचा मागोवा घेण्यास सक्षम असतील.

तसे, ताज्या आकडेवारीनुसार, कोरोनाव्हायरस आम्ही विचार केला त्यापेक्षा जास्त सांसर्गिक असल्याचे दिसून आले. हा चिनी शास्त्रज्ञांचा अधिकृत अभ्यास आहे. हे ज्ञात झाले की कोविड-19 एका व्यक्तीकडून पाच किंवा सहा लोकांमध्ये संक्रमित होऊ शकतो, दोन किंवा तीन नव्हे, पूर्वी विचार केल्याप्रमाणे.

एप्रिलच्या सुरुवातीपर्यंतचा डेटा सादर केला जातो. बर्‍याच प्रकरणांचे निदान होत नाही कारण त्या व्यक्तीची कोरोनाव्हायरसची चाचणी केली जात नाही किंवा रोग लक्षणे नसलेला असतो. म्हणून, याक्षणी संख्यांबद्दल निष्कर्ष काढणे अशक्य आहे.

मोठ्या प्रमाणातील डेटाचे विश्लेषण करण्यासाठी मशीन लर्निंग तंत्रज्ञान सर्वोत्कृष्ट आहे आणि केवळ हालचाली, संपर्कांचा मागोवा घेण्यासच नाही तर मदत करतात:

• कोरोनाव्हायरसचे निदान करा

• औषध पहा

• एक लस पहा

बर्‍याच कंपन्या कृत्रिम बुद्धिमत्तेवर आधारित तयार-तयार उपायांची घोषणा करतात, जे आपोआप विश्लेषणाद्वारे नव्हे तर, फुफ्फुसाच्या एक्स-रे किंवा सीटी स्कॅनद्वारे आपोआप कोरोनाव्हायरस शोधतील. अशा प्रकारे, डॉक्टर सर्वात गंभीर प्रकरणांसह त्वरित कार्य करण्यास सुरवात करतो.

परंतु प्रत्येक कृत्रिम बुद्धिमत्तेमध्ये पुरेशी बुद्धिमत्ता नसते. मार्चच्या शेवटी, मीडियाने बातमी पसरवली की 97% पर्यंत अचूकतेसह एक नवीन अल्गोरिदम फुफ्फुसाच्या एक्स-रेद्वारे कोरोनाव्हायरस निश्चित करू शकतो. तथापि, असे दिसून आले की न्यूरल नेटवर्क केवळ 50 छायाचित्रांवर प्रशिक्षित होते. हा आजार ओळखण्यासाठी तुम्हाला आवश्यक असलेल्या फोटोंपेक्षा 79 कमी फोटो आहेत.

Google ची मूळ कंपनी Alphabet चा एक विभाग DeepMind ला AI वापरून व्हायरसची प्रथिने संरचना पूर्णपणे पुन्हा तयार करायची आहे. मार्चच्या सुरुवातीला, डीपमाइंडने सांगितले की त्यांच्या शास्त्रज्ञांना COVID-19 शी संबंधित प्रथिनांच्या संरचनेची समज आली आहे. हे विषाणू कसे कार्य करते हे समजून घेण्यास मदत करेल आणि उपचाराचा शोध वेगवान करेल.

Yandex.Zen — तंत्रज्ञान, नवकल्पना, अर्थशास्त्र, शिक्षण आणि एकाच चॅनेलमध्ये सामायिकरण वर सदस्यता घ्या आणि आमचे अनुसरण करा.