एआय कोरोनाव्हायरसच्या प्रादुर्भावावर कसा लढत आहे?


उत्तर 1:

कृत्रिम बुद्धिमत्ता भविष्यातील कोरोनाव्हायरसशी लढा देऊ शकेल

.

कोरोनाव्हायरस सारख्या रोगाचा प्रादुर्भाव अनेकदा शास्त्रज्ञांना बरा होण्यासाठी बराच लवकर दिसून येतो. परंतु भविष्यात कृत्रिम बुद्धिमत्ता संशोधकांना अधिक चांगले कार्य करण्यात मदत करेल.

सध्याच्या साथीच्या रोगात नवख्या तंत्रज्ञानाने मोठी भूमिका बजावण्यास उशीर केला असला तरी पुढील उद्रेक होण्याची आशा आहे. कोणत्या प्रकारचे उपचार कार्य करू शकतात किंवा पुढे कोणते प्रयोग करावे लागतील हे ठरविणे सुलभ करते की कनेक्शन शोधण्यासाठी डेटाच्या टीकेद्वारे एकत्रित करणे एआय चांगले आहे.

प्रश्न असा आहे की जेव्हा कोविड -१ like सारख्या नुकत्याच उद्भवलेल्या आजाराची माहिती केवळ थोड्या वेळाने प्राप्त झाली तेव्हा बिग डेटा काय समोर येईल, जो गेल्या वर्षी चीनमध्ये प्रथमच उदयास आला आणि सुमारे दोन महिन्यांत 75 75,००० हून अधिक लोक आजारी पडले आहेत.

पहिल्या नोंदवलेल्या प्रकरणांच्या आठवड्यातच संशोधकांनी नवीन विषाणूच्या जनुक अनुक्रमणिकेचे उत्पादन करण्यास मदत केली ही वस्तुस्थिती आश्वासक आहे, कारण हे दिसून येते की उद्रेक झाल्यास आता आणखी त्वरित डेटा उपलब्ध आहे.

ऑक्सफोर्ड, इंग्लंड स्थित स्टार्टअप एक्स्सिन्टिया लिमिटेडचे ​​मुख्य कार्यकारी अधिकारी rewन्ड्र्यू हॉपकिन्स हे औषध शोधासाठी कृत्रिम बुद्धिमत्ता प्रशिक्षित करण्यात मदत करणारे काम करणारे आहेत. पुढील दशकात ते 18 ते 24 महिन्यांच्या कालावधीत नवीन उपचारांद्वारे गर्भधारणेपासून क्लिनिकल चाचणीपर्यंत जाऊ शकतात, एआय धन्यवाद.

सुरुवातीच्या संशोधन टप्प्यात एका वर्षापेक्षा कमी कालावधीनंतर प्रयोगशाळेत चाचणी घेण्यास तयार असणा-या वेड-कंपल्सिव डिसऑर्डरच्या उपचारांसाठी एक्स्सिंटियाने एक नवीन कंपाऊंड डिझाइन केले. कंपनीच्या म्हणण्यानुसार ते सरासरीपेक्षा पाच पट वेगवान आहे.

केंब्रिज-आधारित हेल्क्सचा असाच दृष्टीकोन आहे, परंतु विद्यमान औषधांचा नवीन उपयोग शोधण्यासाठी ते मशीन लर्निंगचा वापर करतात. दोन्ही कंपन्या त्यांच्या अल्गोरिदमला माहिती देतात - जर्नल्स, बायोमेडिकल डेटाबेस आणि क्लिनिकल ट्रायल्स यासारख्या स्त्रोतांकडून रोगांचे नवीन उपचार सुचविण्यास मदत करतात.

मानवी पर्यवेक्षण

या दोन्ही कंपन्या प्रत्येक प्रक्रियेस मार्गदर्शन करण्यासाठी एआय बरोबर काम करण्यासाठी मानवी संशोधकांचे एक पथक वापरतात. एक्सटेंशियाच्या दृष्टिकोनातून, सेंटॉर केमिस्ट म्हणून डब केलेले, औषध डिझाइनर संयुगे शोधण्यासाठी अल्गोरिदम रणनीती शिकविण्यास मदत करतात. हेल्क्स एआयच्या भविष्यवाण्या संशोधकांना ठेवतात जे परीणामांचे विश्लेषण करतात आणि पुढे काय करायचे याचा निर्णय घेतात.

हेल्क्सचे मुख्य विज्ञान अधिकारी नील थॉम्पसन म्हणाले की कोरोनाव्हायरससारख्या प्रादुर्भावावर नवीन रोगाचा पुरेसा डेटा असल्याशिवाय तंत्रज्ञान तैनात केले जाऊ शकते. हेल्क्स कोरोनाव्हायरस हाताळण्यासाठी किंवा त्याचे तंत्रज्ञान उद्रेक करण्यासाठी चिमटा काढण्यावर कार्य करीत नाही, परंतु ते वाढू शकणार नाही.

“आम्ही बरेच जवळ आहोत,” थॉम्पसन यांनी मुलाखतीत सांगितले. “आम्ही वापरत असलेल्या एआय अल्गोरिदमबद्दल आम्हाला फारसे बदलण्याची आवश्यकता नाही. आम्ही औषधाच्या गुणधर्मांना रोगाच्या वैशिष्ट्यांशी जुळवून घेण्याकडे लक्ष देतो. ”

कृत्रिम बुद्धिमत्ता अल्गोरिदम आधीच आपल्याला माहित असलेल्या रोगांसाठी औषधांची मंथन करण्यास सुरवात करीत आहेत. मॅसाच्युसेट्स इन्स्टिट्यूट ऑफ टेक्नॉलॉजीच्या संशोधकांनी गुरुवारी सांगितले की ते या पद्धतीचा उपयोग करून नवीन अँटीबायोटिक कंपाऊंड ओळखू शकतील जे त्रासदायक जीवाणूंचा नाश करू शकतील, अशा प्रकारच्या काही वस्तू सध्या इतर उपचारांना प्रतिरोधक आहेत.

या सर्व तंत्रज्ञानासाठी एक पकड म्हणजे क्लिनिकल टेस्टिंग. एखाद्या आजाराच्या आजारावर उपचार करण्यासाठी आधीपासून सुरक्षित असलेल्या औषधे देखील दुसर्‍यासाठी लिहून देण्यापूर्वी पुन्हा तपासल्या पाहिजेत. मोठ्या संख्येने लोक सुरक्षित आणि प्रभावी आहेत हे दर्शविण्याची प्रक्रिया पुनरावलोकनासाठी नियामकांकडे जाण्यापूर्वी अनेक वर्षे लागू शकतात.

प्रभावी होण्यासाठी एआय-आधारित औषध विकसकांना भविष्यात समस्या उद्भवण्याची शक्यता असलेल्या व्हायरस जीनोमची निवड करुन त्यास लक्ष्य बनविण्यापूर्वी वेळेपूर्वीच योजना आखण्याची गरज असते आणि जेव्हा तेथे काही प्रोत्साहन दिले जातात तेव्हा लक्ष्य करतात.

धन्यवाद.


उत्तर 2:

खेळ आधीच चालू आहे!

कोरोनाव्हायरससाठी नसल्यास, किमान सुपरबग्ससाठी. एमआयटी आणि हार्वर्डमधील संशोधकांनी एआयचा वापर करून अनेक औषध-प्रतिरोधक जीवाणू नष्ट करण्यास सक्षम नवीन अँटीबायोटिक ओळखला. विद्यमान औषधांपेक्षा भिन्न यंत्रणेचा वापर करून संक्रमणास विरोध करण्यास सक्षम असलेल्या रासायनिक संयुगांचे विश्लेषण करण्यासाठी त्यांनी मशीन लर्निंग अल्गोरिथचे प्रशिक्षण दिले.

त्यांनी त्यांच्या मॉडेलला लॅबमध्ये वाढलेल्या रूग्णांकडून आणि जीवाणूंकडून तपासणीसाठी कंपाऊंड (त्यांना हॅलिसिन असे म्हणतात) ओळखणार्‍या २500०० रेणूंवर प्रशिक्षण दिले. “हॅलिसिन” यासह अनेक औषध प्रतिरोधक बॅक्टेरिया नष्ट करू शकते

मायकोबॅक्टेरियम क्षयरोग, क्लोस्ट्रिडियम डिसफिलिस

आणि

अ‍ॅसिनेटोबॅक्टर बौमन्नी.

हॅलिसिनने दोन उंदरांना संसर्ग झाल्याने बरे केले

ए.बाउमन्नी.

योगायोगाने, इराक आणि अफगाणिस्तानात अनेक अमेरिकन सैनिकांना त्याच बगची लागण झाली. अहवालात म्हटले आहे की, या दोन उंदरांच्या त्वचेवर लावलेल्या हॅलिसिनच्या मलमने त्यांना 24 तासांच्या आत पूर्णपणे बरे केले.

औषधाच्या शोधासाठी अंदाजे संगणक मॉडेल्स वापरणे नवीन नाही परंतु आतापर्यंतचे सर्वोत्कृष्ट यश हॅलिसिनने पाहिले आहे.

संशोधकांच्या मते, त्यांचे भविष्यवाणी मॉडेल असे करू शकते जे पारंपारिक प्रायोगिक दृष्टिकोनासाठी प्रतिबंधात्मक खर्चिक असेल.

हॅलिसिनचे हे यश मानवी इतिहासातील महत्त्वपूर्ण टप्प्यावर आले आहे. 2050 पर्यंत, औषध प्रतिरोधक बॅक्टेरियांमुळे जगभरातील मृत्यू 10 दशलक्षापर्यंत पोहोचू शकतात, असा अंदाज आहे.

मानवांमध्ये हॅलिसिन वापरण्यायोग्य होण्यासाठी पुढील कार्य करणे आवश्यक आहे. त्यांचे अल्गोरिदम जीवाणूंसाठी डिझाइन केलेले असले तरी व्हायरसशी लढण्यासाठी ते “उन्नत” असू शकतात.


उत्तर 3:

कल्पना करा की चीनमधील एखाद्या रुग्णालयात अशाच प्रकारच्या लक्षणे असलेली 1000 प्रकरणे आहेत, रुग्णालय काय करते? लक्षणे आणि निदानाची सर्व माहिती दस्तऐवजीकरण केलेली आणि इलेक्ट्रॉनिक उपलब्ध असतानाही आरोग्य विभाग आवश्यक आणि योग्य उपाययोजना करण्यास सक्षम आहे.

एआय एक नमुना शोधण्यात उत्कृष्ट आणि वेगवान आहे, वेगवान शोधण्यासाठी समानता. कसे एक उदाहरण

गूगल शोध सक्षम आहे

जगभरातील संभाव्य आजार शोधण्यासाठी फक्त एकट्या सोप्या शोध पद्धतींनी, एआय खरोखर शक्य धोका आणि साथीचे आजार शोधून काढू शकेल जे कदाचित जगभरात मोठ्या प्रमाणात पसरतील.

पुन्हा एकदा कोरोना व्हायरसकडे परत येण्यापूर्वी, जेव्हा चीनने आजारातील लक्षणांची नोंद केली आहे, त्याचे निदान केले आहे, तेव्हा ही माहिती इतर सर्व संभाव्य सरकारी संस्थांना दिली आहे जे या लक्षणांमुळे लोकांना स्कॅन करू शकतील आणि त्यांना कदाचित संक्रमित किंवा वाहक म्हणून वर्गीकृत करु शकतील अशा थर्मल डिटेक्टरांना लवकरात लवकर लावता येतील. किंवा रोगप्रतिकार. विषाणू द्रुतगतीने परिवर्तित होत असताना, त्यांचा दिशेने मार्ग बदलण्याचा त्यांचा कल असतो, लक्षणे बदलू शकतात आणि निदान करणे कठीण होऊ शकते. परंतु एआय सह, चीन, विशेषत: वुहान व इतर शहरांमधून आंतरराष्ट्रीय स्तरावर स्थलांतरित झालेल्या लोकांसह सरकारांना सरकार मदत करण्यास सक्षम आहे. या माहितीचे विश्लेषण एआयद्वारे केले जाऊ शकते, त्या शहरांमधील बातम्या शोधण्यासाठी, कोडे एकत्र ठेवण्यासाठी रुग्णालये.

आशा आहे की हे मदत करते!


उत्तर 4:

अलीकडील अटींमध्ये, आमच्याकडे कोरोना पॉझिटिव्ह रूग्णांचे नमुने ओळखणे आणि शोधण्यापेक्षा कितीतरी रूग्णांचा डेटा असल्यास. त्यानंतर, आम्ही नवीन रूग्णांचा अंदाज घेऊ शकतो की या रूग्णची लागण होण्याची शक्यता आहे की नाही हे सांगू शकतो. हे वेगळे करण्यासाठी शास्त्रीय मशीन शिक्षण किंवा खोल शिक्षण तंत्रांचा वापर केला जाऊ शकतो.

अधिक सामान्य शब्दांमध्ये आपल्याला खूप सावधगिरी बाळगणे आवश्यक आहे आणि मॉडेलला चांगल्या प्रकारे समजण्यासाठी शरीरात विषाणूमुळे उद्भवणारे बदल आणि यंत्रणा कोणत्या आहेत हे प्रत्यक्षात काय चालले आहे याचे सामान्य विश्लेषण करण्यासाठी आपण वैद्यकीय क्षेत्रातील व्यक्तींशी संवाद साधला पाहिजे.


उत्तर 5:

कोरोनाव्हायरस सारख्या रोगाचा प्रादुर्भाव अनेकदा शास्त्रज्ञांना बरा होण्यासाठी बराच लवकर दिसून येतो. परंतु भविष्यात कृत्रिम बुद्धिमत्ता संशोधकांना अधिक चांगले कार्य करण्यात मदत करेल.

सध्याच्या साथीच्या रोगात नवख्या तंत्रज्ञानाने मोठी भूमिका बजावण्यास उशीर केला असला तरी पुढील उद्रेक होण्याची आशा आहे. कोणत्या प्रकारचे उपचार कार्य करू शकतात किंवा पुढे कोणते प्रयोग करावे लागतील हे ठरविणे सुलभ करते की कनेक्शन शोधण्यासाठी डेटाच्या टीकेद्वारे एकत्रित करणे एआय चांगले आहे.

प्रश्न असा आहे की जेव्हा कोविड -१ like सारख्या नुकत्याच उद्भवलेल्या आजाराची माहिती केवळ थोड्या वेळाने प्राप्त झाली तेव्हा बिग डेटा काय समोर येईल, जो गेल्या वर्षी चीनमध्ये प्रथमच उदयास आला आणि सुमारे दोन महिन्यांत 75 75,००० हून अधिक लोक आजारी पडले आहेत.

पहिल्या नोंदवलेल्या प्रकरणांच्या आठवड्यातच संशोधकांनी नवीन विषाणूच्या जनुक अनुक्रमणिकेचे उत्पादन करण्यास मदत केली ही वस्तुस्थिती आश्वासक आहे, कारण हे दिसून येते की उद्रेक झाल्यास आता आणखी त्वरित डेटा उपलब्ध आहे.

ऑक्सफोर्ड, इंग्लंड स्थित स्टार्टअप एक्स्सिन्टिया लिमिटेडचे ​​मुख्य कार्यकारी अधिकारी rewन्ड्र्यू हॉपकिन्स हे औषध शोधासाठी कृत्रिम बुद्धिमत्ता प्रशिक्षित करण्यात मदत करणारे काम करणारे आहेत. पुढील दशकात ते 18 ते 24 महिन्यांच्या कालावधीत नवीन उपचारांद्वारे गर्भधारणेपासून क्लिनिकल चाचणीपर्यंत जाऊ शकतात, एआय धन्यवाद.

सुरुवातीच्या संशोधन टप्प्यात एका वर्षापेक्षा कमी कालावधीनंतर प्रयोगशाळेत चाचणी घेण्यास तयार असणा-या वेड-कंपल्सिव डिसऑर्डरच्या उपचारांसाठी एक्स्सिंटियाने एक नवीन कंपाऊंड डिझाइन केले. कंपनीच्या म्हणण्यानुसार ते सरासरीपेक्षा पाच पट वेगवान आहे.

केंब्रिज-आधारित हेल्क्सचा असाच दृष्टीकोन आहे, परंतु विद्यमान औषधांचा नवीन उपयोग शोधण्यासाठी ते मशीन लर्निंगचा वापर करतात. दोन्ही कंपन्या त्यांच्या अल्गोरिदमला माहिती देतात - जर्नल्स, बायोमेडिकल डेटाबेस आणि क्लिनिकल ट्रायल्स यासारख्या स्त्रोतांकडून रोगांचे नवीन उपचार सुचविण्यास मदत करतात.

मानवी पर्यवेक्षण

या दोन्ही कंपन्या प्रत्येक प्रक्रियेस मार्गदर्शन करण्यासाठी एआय बरोबर काम करण्यासाठी मानवी संशोधकांचे एक पथक वापरतात. एक्सटेंशियाच्या दृष्टिकोनातून, सेंटॉर केमिस्ट म्हणून डब केलेले, औषध डिझाइनर संयुगे शोधण्यासाठी अल्गोरिदम रणनीती शिकविण्यास मदत करतात. हेल्क्स एआयच्या भविष्यवाण्या संशोधकांना ठेवतात जे परीणामांचे विश्लेषण करतात आणि पुढे काय करायचे याचा निर्णय घेतात.

हेल्क्सचे मुख्य विज्ञान अधिकारी नील थॉम्पसन म्हणाले की कोरोनाव्हायरससारख्या प्रादुर्भावावर नवीन रोगाचा पुरेसा डेटा असल्याशिवाय तंत्रज्ञान तैनात केले जाऊ शकते. हेल्क्स कोरोनाव्हायरस हाताळण्यासाठी किंवा त्याचे तंत्रज्ञान उद्रेक करण्यासाठी चिमटा काढण्यावर कार्य करीत नाही, परंतु ते वाढू शकणार नाही.

“आम्ही बरेच जवळ आहोत,” थॉम्पसन यांनी मुलाखतीत सांगितले. “आम्ही वापरत असलेल्या एआय अल्गोरिदमबद्दल आम्हाला फारसे बदलण्याची आवश्यकता नाही. आम्ही औषधाच्या गुणधर्मांना रोगाच्या वैशिष्ट्यांशी जुळवून घेण्याकडे लक्ष देतो. ”

कृत्रिम बुद्धिमत्ता अल्गोरिदम आधीच आपल्याला माहित असलेल्या रोगांसाठी औषधांची मंथन करण्यास सुरवात करीत आहेत. मॅसाच्युसेट्स इन्स्टिट्यूट ऑफ टेक्नॉलॉजीच्या संशोधकांनी गुरुवारी सांगितले की ते या पद्धतीचा उपयोग करून नवीन अँटीबायोटिक कंपाऊंड ओळखू शकतील जे त्रासदायक जीवाणूंचा नाश करू शकतील, अशा प्रकारच्या काही वस्तू सध्या इतर उपचारांना प्रतिरोधक आहेत.

या सर्व तंत्रज्ञानासाठी एक पकड म्हणजे क्लिनिकल टेस्टिंग. एखाद्या आजाराच्या आजारावर उपचार करण्यासाठी आधीपासून सुरक्षित असलेल्या औषधे देखील दुसर्‍यासाठी लिहून देण्यापूर्वी पुन्हा तपासल्या पाहिजेत. मोठ्या संख्येने लोक सुरक्षित आणि प्रभावी आहेत हे दर्शविण्याची प्रक्रिया पुनरावलोकनासाठी नियामकांकडे जाण्यापूर्वी अनेक वर्षे लागू शकतात.

प्रभावी होण्यासाठी एआय-आधारित औषध विकसकांना भविष्यात समस्या उद्भवण्याची शक्यता असलेल्या व्हायरस जीनोमची निवड करुन त्यास लक्ष्य बनविण्यापूर्वी वेळेपूर्वीच योजना आखण्याची गरज असते आणि जेव्हा तेथे काही प्रोत्साहन दिले जातात तेव्हा लक्ष्य करतात.

आणखी एक अडचण म्हणजे योग्य कर्मचारी शोधणे.

“एआय आणि बायोलॉजीच्या छेदनबिंदूवर काम करणारे लोक शोधणे कठीण आहे आणि मोठ्या कंपन्यांना अशा तंत्रज्ञानावर त्वरित निर्णय घेणे अवघड आहे,” असे व्हेंचर कॅपिटल फर्म अ‍ॅटॉमिकोची भागीदार आणि माजी सर्जन इरीना हायवास यांनी सांगितले. हेल्क्स बोर्ड. "एआय अभियंता होण्यासाठी हे पुरेसे नाही, आपल्याला जीवशास्त्रातील अनुप्रयोगांमध्ये समजून घेणे आवश्यक आहे."


उत्तर 6:

जेव्हा प्रथम एक रहस्यमय आजार दिसून येतो तेव्हा सरकारे आणि सार्वजनिक आरोग्य अधिका for्यांना द्रुतपणे माहिती एकत्रित करणे आणि प्रतिसादाचे समन्वय करणे कठीण आहे. परंतु नवीन कृत्रिम बुद्धिमत्ता तंत्रज्ञान जगभरातील बातम्यांचे अहवाल आणि ऑनलाइन सामग्रीद्वारे स्वयंचलितपणे खाण मिळवू शकते, जे व्यावसायिकांना संभाव्य रोग किंवा त्यापेक्षाही वाईट होणार्‍या संभाव्य विकृती ओळखण्यास मदत करते. दुसर्‍या शब्दांत, आमचे नवीन एआय बॉस आम्हाला पुढच्या पीडेतून बाहेर पडण्यास मदत करू शकतात.

हे नवीन

एआय

नुकत्याच झालेल्या कोरोनाव्हायरस उद्रेकासह क्षमता जोरात आहे, कॅनेडियन-आधारित कंपनी, ब्लूडॅट द्वारे ओळखली गेली, जी सार्वजनिक आरोग्याच्या जोखमीचे मूल्यांकन करण्यासाठी डेटा वापरणार्‍या अनेक संस्थांपैकी एक आहे. यूएस सेंटर फॉर डिसीज कंट्रोल अँड प्रिव्हेंशन (सीडीसी) आणि वर्ल्ड हेल्थ ऑर्गनायझेशन (डब्ल्यूएचओ) यांनी अधिकृत नोटीस बजावल्या आहेत की एजन्सीचा दावा आहे की "स्वयंचलित संसर्गजन्य रोग पाळत ठेवणे" चालविला जात आहे. आता जानेवारीच्या शेवटी, चीनमधील वुहान शहराशी जोडलेला एक श्वसनाचा विषाणू यापूर्वीच 100 हून अधिक लोकांचा मृत्यू झाला आहे. अमेरिकेसह इतरही अनेक देशांत प्रकरणे उद्भवली आहेत आणि सीडीसी अमेरिकन लोकांना चीनचा अनावश्यक प्रवास टाळण्याचा इशारा देत आहे.


उत्तर 7:

ज्या क्षणी एखाद्या विचित्र आजाराचा प्रथम प्रसार होतो तेव्हा सरकारे आणि सामान्य कल्याणकारी अधिकारी यांना डेटा वेगाने गोळा करणे आणि प्रतिक्रिया देणे सुलभ होते. कोणत्याही परिस्थितीत, नवीन मानवनिर्मित युक्तिवाद नवकल्पना नैसर्गिकरित्या जगभरातील बातम्यांचे अहवाल आणि ऑनलाइन पदार्थांद्वारे खाण मिळवू शकते, तज्ञांना संभाव्य प्लेग किंवा, अधिक वाईट, म्हणजे साथीचा रोग होऊ देण्याची विसंगती जाणण्यास मदत करते. दिवसाच्या शेवटी, आमचे नवीन एआय अधिपती खालील रोग सहन करण्यास खरोखर मदत करू शकतात.

या नवीन एआय क्षमता सध्या चालू असलेल्या कोरोनाव्हायरस फ्लेर-अपसह पूर्ण शोकेस आहेत, ज्याला ब्ल्यूडॉट नावाच्या कॅनेडियन कंपनीने योग्य वेळी ओळखले होते, जे सामान्य कल्याणच्या धोकेचे मूल्यांकन करण्यासाठी माहितीचा वापर करणार्‍या विविध संस्थांपैकी एक आहे. “रोबोटाइझ्ड इन्सर्टिझिबल बीमारी अवलोकन” आयोजित करणार्‍या संस्थेने आपल्या ग्राहकांना डिसेंबरच्या समाप्तीसंदर्भात कोरोनव्हायरसच्या नवीन प्रकाराबद्दल सांगितले. आजार नियंत्रण व प्रतिबंध (यूके सेंटर फॉर डिसीज कंट्रोल Preण्ड प्रिव्हेंशन) (सीडीसी) आणि जागतिक आरोग्य संघटना (डब्ल्यूएचओ) या दोन दिवसांपूर्वी. ) वायर्डने जाहीर केल्याप्रमाणे अधिकृत अधिसूचना दिली. सध्या जानेवारीच्या शेवटच्या टप्प्यावर, चीनमधील वुहान शहराशी जोडलेल्या श्वसनाच्या संसर्गामुळे नुकत्याच 100 पेक्षा जास्त व्यक्तींचा मृत्यू झाला आहे. तसेच अमेरिकेसह काही वेगवेगळ्या राष्ट्रांमध्ये प्रकरणे उभी राहिली आहेत आणि सीडीसी अमेरिकेला चीनच्या अनावश्यक प्रवासापासून सामरिक अंतर कायम ठेवण्याचा इशारा देत आहे.

कामरान खान, एक अतुल्य आजार डॉक्टर आणि ब्लूडॉटचे लेखक आणि मुख्य कार्यकारी अधिकारी यांनी एका बैठकीत स्पष्टीकरण दिले की संस्थेच्या सुरुवातीच्या सूचना चौकटीने सामान्य भाषेच्या हाताळणी आणि एआय सह मानवनिर्मित चैतन्याचा कसा उपयोग केला तर सुमारे 100,000 लेख तोडून 100 पेक्षा जास्त अप्रिय संक्रमणांचे अनुसरण केले जाऊ शकते 65 पोटभाषा सातत्याने. ही माहिती आपल्या ग्राहकांना संभाव्य नात्यात येण्यासारख्या आजाराच्या संभाव्यतेबद्दल आणि त्याच्या प्रसाराबद्दल कधी सांगावी हे संस्थेस समजण्यास सक्षम करते.

एक्सप्लोरर शेड्यूल डेटा आणि फ्लाइटच्या मार्गांसारखीच इतर माहिती संस्थेला एखाद्या रोगाचा प्रसार कसा होईल याबद्दल अतिरिक्त संकेत देण्यास मदत करू शकते. उदाहरणार्थ, अलीकडेच, ब्लूडॉट तज्ञांनी आशियातील विविध शहरी समुदायाची अपेक्षा केली जिथे कोरोनाव्हायरस चीनच्या प्रदेशात दिसल्यानंतर दिसून येईल.

ब्लूडॉटच्या मॉडेलमागील विचार (ज्याचे निष्कर्ष मानवी तज्ञांकडून अशा प्रकारे तपासले जातात) सामाजिक विमा कामगारांना शक्य तितक्या वेगाने डेटा मिळवणे, ज्याचे ते विश्लेषण करू शकतात या अपेक्षेने - आणि आवश्यक असल्यास ते डिस्कनेक्ट - कलंकित आणि योग्य वेळी संसर्गजन्य व्यक्ती.

“अधिकृत माहिती प्रत्येक बाबतीत शुभ नसते,” खानने रीकोडला सांगितले. "एक्सप्लोररमधील एक प्रकरण आणि भडकणे यात एक विशिष्ट आजार असल्याचे समजून आपल्या अग्रभागी असलेल्या मानवी सेवा तज्ञावर अवलंबून असते. खरोखर घडण्यापासून भडकणे हे वेगळेपण असू शकते."

खान याने असे नमूद केले की त्याच्या चौकटीत अशाच प्रकारच्या इतर माहितीचा उपयोग होऊ शकतो - उदाहरणार्थ, एखाद्या प्रदेशाचे वातावरण, तपमान किंवा जवळपासच्या पाळीव प्राण्यांबद्दलचा डेटा - एखाद्या आजाराने दूषित असलेल्या एखाद्या व्यक्तीला आजूबाजूला कदाचित भडका उडेल काय हे सांगण्यासाठी तेथे. त्यांनी पुढे आणले की, २०१ in मध्ये ब्लूडॉटकडे फ्लोरिडामध्ये झिका संसर्गाच्या अस्तित्वाची कल्पना तेथेच दिसण्यापूर्वी दीड वर्षापूर्वी झाली.

तसेच, थाटाळ, दक्षिण कोरिया, जपान आणि तैवानला उड्डाणांच्या माहितीच्या आशेने काही दिवसांपूर्वी या देशांमधील प्रकरणे उघडकीस येण्यापूर्वी सात दिवसांपर्यंत हा संसर्ग होण्याचा धोका असल्याचे थाटाची तपासणी करणार्‍या मेटाबीओटाने पडताळणी केली. ब्लूडॉट म्हणून, मेटाबीओटा संभाव्य आजाराबद्दलच्या ऑनलाइन अहवालांचे मूल्यांकन करण्यासाठी सामान्य भाषेच्या हाताळणीचा उपयोग करते आणि वेब आधारित जीवनासाठी समान नाविन्यपूर्ण वस्तू तयार करण्याच्या व्यतिरिक्त ती कमी होते.

मेटाबीटाची माहिती विज्ञान कार्यकारी, इम्प्रिंट गॅलिव्हन स्पष्टीकरण देते की ऑनलाइन टप्पे आणि चर्चादेखील साथीचे आजार होण्याचा धोका दर्शवितात. एखाद्या आजाराचे संकेत, मृत्यूचे प्रमाण आणि उपचारांची उपलब्धता यासारख्या आकडेमोडानुसार हे आजार पसरविण्याच्या धोक्याचे आणि सामाजिक आणि राजकीय व्यत्ययाचे मूल्यांकन करू शकते असेही मेटाबीओटा ठामपणे सांगते. उदाहरणार्थ, या वर्तमान लेखाच्या वितरणाच्या एका क्षणी, मेटाबिओटाने कोरोनाव्हायरस या कादंबरीच्या धोक्याचे मूल्यांकन केले, ज्यामुळे अमेरिका आणि चीनमध्ये मुक्त अस्वस्थता उद्भवली, परंतु कॉंगोच्या डेमोक्रॅटिक रिपब्लिकमधील वानरपॉक्स संसर्गाच्या या धोक्याचे मूल्यांकन केले ( जिथे त्या संसर्गाची उदाहरणे नोंदविली गेली आहेत)) "माध्यम" म्हणून.

हे रेटिंग फ्रेमवर्क किंवा स्वतः स्टेज किती अचूक असू शकते हे समजणे कठीण आहे, तथापि गॅलिव्हन म्हणतात की ही संस्था कोरोनाव्हायरसशी निगडित मुद्द्यांवरील अमेरिकन ज्ञान नेटवर्क आणि संरक्षण विभागाबरोबर काम करत आहे. सेंट्रल इंटेलिजेंस एजन्सीशी कनेक्ट-नफा-नफा करणारी अ‍ॅडव्हेंचर फर्म, इन-क्यू-टेलसह मेटाबीओटाच्या कार्याचा हा एक भाग आहे. तथापि, सरकारी कार्यालये या चौकटींचे मुख्य संभाव्य ग्राहक नाहीत. मेटाबीओटा याव्यतिरिक्त पुनर्बीमाच्या संस्थांकरिता त्याचा पाया सार्वजनिक करतो - पुनर्वित्त मुळात विमा एजन्सीजसाठी संरक्षण असते - ज्यामुळे एखाद्या आजाराच्या सुप्त क्षमतेच्या प्रसाराशी संबंधित आर्थिक धोक्यांचा सामना करावा.

ते होऊ शकते, संगणकीय युक्तिवाद संसर्गजन्य रोग म्हणून शिकविलेल्या रोग संसर्ग तज्ञ आणि अधिकार्‍यांना ठेवण्यापेक्षा निर्विवादपणे मौल्यवान असू शकते. विशेषज्ञांनी एआय-आधारित मॉडेल तयार केले आहेत जे झिका संसर्गाच्या भागाची प्रगतीशीलतेने पूर्वानुमान करू शकतात, जे संभाव्य आपत्कालीन परिस्थितीबद्दल तज्ञांची प्रतिक्रिया कशी दर्शवितात हे शिकवू शकतात. मानवनिर्मित चेतनाचा वापर आपत्कालीन परिस्थितीत सामान्य कल्याणकारी अधिकारी मालमत्ता कशी वितरीत करतात हे व्यवस्थापित करण्यासाठी वापरले जाऊ शकते. परिणामी, आजारपणापासून संरक्षण मिळण्याची एआय ही दुसरी पहिली ओळ आहे.

अधिक व्यापकपणे, एआय आता नवीन औषधे तपासण्यात, असामान्य संक्रमण हाताळण्यास आणि छातीमध्ये घातक वाढ ओळखण्यास मदत करते. मानवनिर्मित बुद्धिमत्ता चागस पसरविणार्‍या भितीदायक क्रिलींमध्ये फरक करण्यासाठी देखील वापरली जात असे. मेक्सिको आणि मध्य आणि दक्षिण अमेरिकेत अपेक्षित million दशलक्ष व्यक्तींना कलंकित करणार्‍या गंभीर आणि कल्पनेने प्राणघातक आजार आहे. नॉन-वेल्बिंग माहिती - वेब आधारित आयुष्यावरील भेटवस्तू सारख्या हितकारकतेची (पॉलिसीमेकर) आणि औषधोपचार संस्था मदत करण्याच्या दृष्टीने उत्साह वाढवण्यामागे कल्याणकारी आणीबाणीची व्यापकता समजते. उदाहरणार्थ, एआय जी लक्ष्यित अवैध मादक सौद्यांविषयी ऑनलाईन जीवन सादर करू शकते आणि या नियंत्रित पदार्थांच्या प्रसाराबद्दल सामान्य कल्याणकारी अधिकारी शिक्षित ठेवते.

हे फ्रेमवर्क, मेटाबीओटा आणि ब्लूडॉट्ससह, ते मूल्यांकन करीत असलेल्या माहितीच्या बरोबरीवर आहेत. इतकेच काय, एआय - बहुतेक कलकडे झुकणारा एक मुद्दा आहे जो फ्रेमवर्कचे आर्किटेक्ट आणि त्यावर तयार केलेली माहिती दोन्ही प्रतिबिंबित करू शकतो. तसेच, औषधी सेवेच्या अंतर्गत वापरल्या जाणार्‍या एआय कोणत्याही प्रकारे, त्या आकारात किंवा फॉर्मसाठी सुरक्षित नाहीत.

सर्व गोष्टी मानल्या गेल्या, एआय काय करू शकतात या प्रगती प्रगतीशीलपणे आदर्शवादी दृष्टिकोनाशी बोलतात. साधारणतया, एआय रोबोट्सच्या माहितीवर प्रचंड प्रमाणात माहिती फिल्टर करत असलेली अद्यतने चांगली बसत नाहीत. वेबवरून काढलेल्या चित्रांवर आधारित चेहर्‍याची पावती डेटाबेस वापरणे कायद्याची आवश्यकता विचारात घ्या. किंवा दुसरीकडे यादीतील संचालक जे आता आपल्या इंटरनेट आधारित आयुष्याच्या पोस्टच्या प्रकाशात आपण एअरचा वापर कसा करू शकू याचा विचार करण्यासाठी एआयचा वापर करण्यास सक्षम असतील. एआयने लबाडीचा धोका निर्माण करण्याची शक्यता ही अशी परिस्थिती प्रदान करते की जिथे आम्ही आनंदी होऊ शकलो नाही तर आम्हाला काहीसे अस्वस्थ वाटेल. कदाचित हा नावीन्यपूर्ण - जेव्हा जेव्हा तयार केला असेल आणि त्याचा योग्य वापर केला असेल तर - काही जीव वाचविण्यास खरोखर मदत होईल.