Foto: Ahmad Hashim
Nyhetene kalles ofte det ”første grove utkastet til historien”, den første sprekken for å gi mening om kampens og triumfer i vår tid. En ny kunstig intelligensmotor kan imidlertid være i stand til å høste utkastene for å finne fremtiden. Ved å bruke avanserte beregningsteknikker for å analysere to tiår med historier og andre ressurser i New York Times, tror Microsoft-forskeren Eric Horvitz og Technion-Israel Institute of Technology forsker Kira Radinsky, de kan være i stand til å identifisere de underliggende forbindelsene mellom hendelser i den virkelige verden og forutsi hva som vil skje videre.
Trikset er at mange nyhetsverdige hendelser - opptøyer, sykdomsutbrudd - sier BBC, går foran av andre mindre dramatiske nyheter. Men ved å grave gjennom et så stort vell av historier, kan disse ellers oversett assosiasjonene trekkes ut.
I forskningsrapporten deres sier de to forskerne at ved hjelp av en blanding av arkiverte nyhetsrapporter og sanntidsdata, kunne de se koblinger mellom tørke og uvær i deler av Afrika og kolerautbrudd.
I 1973 publiserte for eksempel New York Times nyheter om en tørke i Bangladesh, og i 1974 rapporterte den om en koleraepidemi.
Etter rapporter om en annen tørke i det samme landet i 1983, rapporterte avisen igjen kolera-dødsfall i 1984.
"Varsler om en nedstrøms risiko for kolera kunne ha blitt gitt nesten et år i forveien, " skrev forskerne Eric Horvitz, direktør for Microsoft Research, og Kira Radinsky, doktorgradsstudent ved Technion-Israel Institute of Technology.
Denne modellen betyr ikke nødvendigvis at tørke for Bangladesh alltid vil føre til kolera. Men ved å se på forekomstene med et øye for fremtiden, kan en forestående tørke være et tegn for Bangladesh-vannforvalterne for å følge nøye med på behandlingsprogrammene deres, eller for at helsepersonell skal være på vakt mot et utbrudd.
Lignende koblinger mellom tørke og kolera, sier MITs Technology Review, ble identifisert for Angola.
I lignende tester som involverte prognoser for sykdom, vold og et betydelig antall dødsfall, var systemets advarsler korrekte mellom 70 til 90 prosent av tiden.
Teknikker som denne brukes i vitenskap hele tiden. Nevrale nettverk, maskinlæring og tilnærminger til kunstig intelligens har hjulpet YouTube med å oppdage - uten menneskelig innblanding - hva katter er og har hjulpet paleontologer med å fremskynde fossiljakten. Fordi de kan analysere store skår av data, er datamaskiner spesielt godt egnet til å trekke ut noen av de ikke åpenbare trender som gjennomsyrer historien. MITs Tom Simonite:
Mange ting om verden har endret seg de siste tiårene, men menneskets natur og mange aspekter av miljøet har holdt seg den samme, sier Horvitz, slik at programvare kanskje kan lære mønstre fra til og med veldig gamle data som kan antyde hva som er foran. "Jeg er personlig interessert i å få data lenger tilbake i tid, " sier han.
Mer fra Smithsonian.com:
Uten menneskelig tilsyn lærer 16.000 datamaskiner å gjenkjenne katter.
Fossil Finding Goes High Tech
