Uczenie maszynowe pomoże w walce z malarią

Uczenie maszynowe pomoże w walce z malarią

Brytyjscy uczeni wykorzystują machine learning do szpiegowania komarów.

Po czwarte – smartfon z aplikacją MozzWear

Naukowcy z Uniwersytetu Oxfordzkiego opracowali inteligentne oprogramowanie, które na podstawie dźwięku wydawanego przez komary potrafi nie tylko określić ich gatunek, lecz również śledzić ruch i mapować pokonywane trasy. Wbrew pozorom, projekt nie powstał z myślą o turystach pragnących spędzić czas na świeżym powietrzu z dala od irytujących insektów. Globalna sieć wykrywania komarów to poważne przedsięwzięcie medyczne, którego podstawowym celem jest walka z malarią.

Śledzenie komarów na ogromnych obszarach to ciężkie w realizacji przedsięwzięcie, a jeszcze trudniejszym zadaniem jest ich identyfikacja. Brytyjskim uczonym udało się znaleźć sposób, który dotychczas zabijały podobne inicjatywy w zarodku. Do szpiegowania komarów postanowili zaprzęgnąć urządzenia, które w ostatnich latach biją rekordy popularności – smartfony. Po zainstalowaniu aplikacji MozzWear urządzenie wyłapuje dźwięk wydawany przez owady w czasie lotu, po czym wysyła zebrane dane na globalny serwer.

Wykorzystanie smartfonów do zbierania danych z otoczenia nie jest czymś nowym. Na podobnej zasadzie działają głosowe komendy w takich systemach jak IOS czy Android, a popularna aplikacja Shazam wsłuchując się w utwór muzyczny potrafi z niezwykłą precyzją zidentyfikować jego autora. Z czasem podobnych rozwiązań będzie coraz więcej – tłumaczy Mikołaj Szymański, Managing Partner w agencji interaktywnej KERRIS, specjalizującej się m.in. w projektowaniu aplikacji mobilnych.

Po trzecie – globalny monitoring

By globalna sieć śledzenia komarów działała z należytą precyzją, konieczne będzie zaangażowanie na szeroką skalę społeczeństwa. Z pewnością można liczyć na nie w krajach, gdzie malaria każdego roku przynosi śmiertelne żniwo. Jak podaje UNICEF, 600 milionów ludzi zmaga się z malarią co roku, z czego aż milion umiera na skutek zakażenia. Najczęściej są to dzieci poniżej piątego roku życia zamieszkujące Afrykę Subsaharyjską. Naukowcy dwoją się i troją w poszukiwaniu skutecznego sposobu na walkę z chorobą, przenoszoną przez komara widliszka. Obok komara brzęczącego jest to najbardziej rozpowszechniony gatunek w Polsce, na szczęście, z powodu zimnego klimatu pierwotniaki wywołujące malarię nie przechodzą nad Wisłą pełnego cyklu rozwojowego. W krajach klimatu tropikalnego i subtropikalnego sprawy mają się zupełnie inaczej, a unikanie kontaktu z owadami wciąż stanowi najlepszy sposób zapobiegania infekcji.

Po drugie – uczenie maszynowe

Yunpeng Li z Uniwersytetu Oksfordzkiego, współtwórca aplikacja MozzWear, miał nie lada orzech do zgryzienia. Jak zaprogramować system, by ten odróżniał komary na podstawie wydawanych przez nie dźwięków. Pomocna okazała się sztuczna inteligencja, a dokładnie jej zaawansowana forma – uczenie maszynowe, wykorzystujące do sprawnego rozumowania ogromne zbiory cyfrowych informacji.

Po raz pierwszy komputer za sprawą uczenia maszynowego już w 1990 roku. Odczytał wtedy pismo ręczne i przeformatowywał je na czcionkę komputerową. Dziś dysponujemy dużo bardziej rozwiniętą wersją tej technologii. Jednak w wielu aspektach wciąż borykamy się z podobnymi problemami: brakiem wystarczającej ilości zdigitalizowanych danych oraz niewystarczającą mocą obliczeniową. Mimo to, sztuczna inteligencja rozwija się dynamicznie i szturmem zdobywa kolejne branże, robiąc w nich małą rewolucję. Spotkamy ją m.in. w bankowości, reklamie internetowej, ubezpieczeniach, medycynie i przemyśle – wyjaśnia Piotr Prajsnar, prezes zarządu Cloud Technologies, firmy wykorzystującej uczenie maszynowe w Big Data marketingu i monetyzacji danych.

Po pierwsze – dane

Z relacji Yunpenga Li wynika, że największym problemem na jaki natknęli się uczeni z prestiżowej angielskiej uczelni był właśnie brak danych, na podstawie których komputer mógł samemu nauczyć się rozpoznawać gatunki komarów. Szybko podjęto decyzję o stworzeniu potrzebnej biblioteki. W projekt włączyli się koledzy z placówki i naukowcy obywatelscy, którzy dniami i nocami nagrywali poszczególne gatunki irytujących owadów. Wykorzystano również nagrania komarów zrealizowane przez amerykańskie Centra Kontroli i Prewencji Chorób oraz stacjonującą w Kenii jednostkę badawczą wojsk lądowych Stanów Zjednoczonych. – Precyzja, z jaką udaje się wykryć przenoszącego malarię komary widliszki jest imponująca – powiedział Li na łamach MIT Technology Review. Obecnie udaje się je identyfikować z dokładnością na poziomie 72 proc., jednak projekt jest nadal w trakcie rozwoju i wraz ze zwiększającą się bazą danych procent ten ma odpowiednio rosnąć.

Zostaw odpowiedź