Connect with us
https://ainews.site/wp-content/uploads/2021/11/zox-leader.png

Published

on

The Ultimate Managed Hosting Platform

Puntuación de crédito: Pixabay/CC0 Área pública

El uso de modelos masivos de lenguaje puede reelaborar muchos aspectos de la vida reciente, incluida la forma en que los legisladores evalúan el sentimiento público sobre las leyes pendientes, cómo los pacientes consideran su atención médica y cómo los científicos pueden traducir los hallazgos de los estudios a otros idiomas.

Pero, un nuevo análisis de la Universidad de Michigan encuentra que si bien existe un gran potencial para que estos algoritmos de aprendizaje automático beneficien a la sociedad, probablemente podrían reforzar las desigualdades, gravar el medio ambiente y aún poner más energía en manos de los gigantes tecnológicos.

Los modelos de idiomas gigantes, o LLM, pueden reconocer, resumir, traducir, predecir y generar en la idea de conjuntos de datos basados ​​en texto muy masivos, y sin duda ofrecen probablemente la imitación del lenguaje humano generada por computadora más convincente hasta ahora.

Un informe de la Empresa de Evaluación de Experiencia en el programa de Ciencia, Experiencia y Cobertura Pública (STPP) de la Facultad de Cobertura Pública Gerald R. Ford plantea cuestiones relacionadas con las muchas formas en que los LLM podrían causar resultados profundamente adversos.

El informe, “¿Qué hay dentro de Chatterbox? Modas lingüísticas gigantes, por qué importan y qué deberíamos hacer con ellas”, anticipa el cambio social transformador que podrían producir:

  • Debido al panorama de desarrollo concentrado y al carácter de los conjuntos de datos de LLM, las nuevas ciencias aplicadas no afectarán adecuadamente a las comunidades marginadas. Son propensos a disminuir y tergiversar sistemáticamente estas voces mientras amplifican las opiniones de los que ya son poderosos.
  • El procesamiento de LLM ocurre en instalaciones de conocimiento corporal, que requieren grandes cantidades de activos puros. La construcción intermedia del conocimiento ya está dañando desproporcionadamente a las poblaciones marginadas.
  • Los LLM acelerarán ‘ sed de conocimiento, crecer para integrarse rápidamente en la infraestructura de información actual, reorganizar el trabajo y la experiencia, reforzar la desigualdad y mejorar la fragmentación social.

“Nuestra evaluación revela que los LLM pueden empoderar a las comunidades y democratizar los datos, pero en este momento es poco probable que alcancen este potencial. Los daños pueden mitigarse, pero no sin nuevas pautas y reglas sobre cómo se crean y utilizan estas ciencias aplicadas”, dijo la directora de STPP, Shobita Parthasarathy, profesora de .

El informe utiliza la metodología de investigación de casos analógicos para investigar la mejora y adopción de LLM, mediante el análisis de la historia de ciencias aplicadas anteriores comparables, en términos de tipo, desempeño e impacto, para anticipar las implicaciones de las ciencias aplicadas emergentes. STPP fue pionera en esta metodología en revisiones anteriores sobre ciencias aplicadas de reconocimiento facial en las facultades de Ok-12 y dudas sobre las vacunas.

“Las ciencias aplicadas pueden llevarse a cabo ampliamente y luego las sanciones adversas pueden tardar años en aplicarse. Los LLM presentan muchos de los mismos puntos de entrada, ambientales y de equidad que hemos visto en instancias anteriores”, dijo Johanna Okerlund, becaria postdoctoral de STPP y coautora del informe.

Los LLM son mucho más grandes que sus predecesores de inteligencia artificial, tanto cuando se trata de la gran cantidad de datos que los desarrolladores usan para entrenarlos como de los miles y miles de patrones de palabras avanzados y asociaciones que comprenden los modelos. Son mucho mejores que los esfuerzos anteriores de procesamiento de lenguaje puro porque cumplirán muchos tipos de tareas sin ser particularmente hábiles para cada una, lo que hace que cualquier LLM sea ampliamente relevante.

Bastantes elementos crean las circunstancias para la inequidad incorporada, de acuerdo con el informe.

“Los LLM requieren grandes activos en términos de fondos, infraestructura, personal y activos computacionales, incluidos 360,000 galones de agua por día y una inmensa utilización de energía eléctrica, infraestructura y materiales terrestres poco comunes”, dice el informe.

Solo un puñado de empresas tecnológicas pueden permitirse construirlos, y su construcción tiende a representar una carga desproporcionada para las comunidades ya marginadas. Los autores también dicen que temen “porque el diseño de LLM es propenso a distorsionar o devaluar las necesidades de las comunidades marginadas… los LLM podrían alejarlos más de las instituciones sociales”.

Los investigadores también saben que la gran mayoría de los modelos se basan principalmente en textos en inglés y, en menor medida, en chino.

“Lo que significa que es poco probable que los LLM logren sus objetivos de traducción (incluso desde y hacia el inglés y el chino) y pueden ser mucho menos útiles para muchos que no deberían dominar el inglés o el chino”, dice el informe.

Un ejemplo de la utilidad de la metodología de investigación de casos analógicos es observar cómo ya está integrado en muchas unidades médicas, incluido el espirómetro, que se usa para medir la función pulmonar: “La tecnología considera la raza en su evaluación de la función pulmonar ‘regular’, asumiendo falsamente que las personas negras naturalmente tienen una función pulmonar más baja que sus contrapartes blancas, y haciéndoles más difícil el acceso a la solución”.

“Contamos con situaciones similares en otros dominios, incluida la justicia penal, la vivienda y la educación, donde los prejuicios y la discriminación consagrados en textos históricos tienden a generar recomendaciones que perpetúan las desigualdades en la asignación de recursos útiles”, dice el informe.

“La sed de conocimiento de los LLM pondrá en peligro la privacidad y las estrategias habituales para establecer el consentimiento informado no funcionarán.

“Debido a que recopilan grandes cantidades de información, los LLM probablemente podrán triangular fragmentos de detalles inconexos sobre personas, junto con su estado de salud mental o opiniones políticas, para desarrollar una imagen completa y personalizada de personas concretas, sus familias o comunidades. . En un mundo con LLM, la metodología habitual para la recopilación de conocimientos morales (consentimiento informado de una persona en particular) no es inteligente” y podría pasar a estrategias poco éticas de recopilación de datos con el fin de diversificar la .

Los LLM tendrán un efecto en muchos sectores, sin embargo, el informe se sumerge profundamente en uno para ofrecer un ejemplo: cómo pueden afectar y siga. Los autores recomiendan que los editores de tutoriales, que poseen la mayoría de las publicaciones de análisis, creen sus propios LLM y los utilicen para extender su poder de monopolio.

Mientras tanto, es posible que los investigadores deseen desarrollar protocolos comunes sobre métodos sencillos para analizar los conocimientos generados por los LLM y métodos sencillos para citar resultados para que otros puedan replicar los resultados. La investigación científica, sin duda, cambiará a descubrir patrones en el conocimiento masivo en lugar de establecer relaciones causales. Y las técnicas de análisis científico que cuentan con LLM probablemente no serán capaces de establecer un trabajo realmente novedoso, un trabajo que ya es bastante difícil para los seres humanos.

Dados estos resultados indudables, los autores sospechan que los científicos llegarán a desconfiar de los LLM.

El informe concluye con que encarnan:

  • La regulación del gobierno de EE. UU. de los LLM, junto con una definición transparente de lo que constituye un LLM, protocolos de análisis y aprobación basados ​​​​en contenido y algoritmos, y mecanismos de seguridad, supervisión y revisión.
  • Regulación de apps que utilizan LLMs.
  • Requisitos nacionales o internacionales que tienen en cuenta la variedad, eficiencia, transparencia, precisión, seguridad y sesgo del conjunto de datos, así como la seguridad de los derechos de autor de las innovaciones y obras creativas generadas por LLM.
  • Estrategias para garantizar la seguridad y la privacidad privada al implementar LLM de manera significativa entre poblaciones débiles.
  • Asesores gubernamentales a tiempo completo en las dimensiones sociales y de equidad de la tecnología, junto con un “Director de derechos humanos en tecnología”.
  • Evaluaciones ambientales de instalaciones de conocimiento reciente que consideran los impactos en los costos de los servicios públicos nativos, las comunidades nativas marginadas, los derechos humanos en la minería de minerales y el cambio climático local.
  • Considere los peligros psicológicos, de seguridad y de salud que los LLM y otros tipos de inteligencia artificial crean para el personal, por ejemplo, reorientándolos hacia tareas más avanzadas y, a veces, inseguras, y creando una respuesta a la consolidación laboral que los LLM y la automatización adicional. por lo general, son propensos a crear.
  • Un nombre para la Fundación Nacional de Ciencias para mejorar considerablemente su financiación para la mejora de LLM, con un enfoque en la equidad, los impactos sociales y ambientales de los LLM.

El informe también describe sugerencias particulares para el grupo científico y un Código de conducta del desarrollador.

“Tanto los LLM como los desarrolladores de aplicaciones deben reconocer sus tareas públicas e intentar maximizar los beneficios de esas ciencias aplicadas mientras minimizan los riesgos”, escribieron los autores.


Un estudio encuentra que la tecnología de reconocimiento facial en las escuelas presenta muchos problemas y recomienda prohibirla


Cotización:
Los nuevos algoritmos de aprendizaje de idiomas amenazan con reforzar las desigualdades y la fragmentación social (28 de abril de 2022)
consultado el 28 de abril de 2022
de https://techxplore.com/information/2022-04-language-learning-algorithms-inequalities-social-fragmentation.html

Este documento está sujeto a derechos de autor. Aparte de cualquier trato veraz con el objetivo de investigación o análisis personal, no
la mitad también podría ser reproducida sin el permiso por escrito. El material de contenido se ofrece únicamente para funciones de información.



The Ultimate Managed Hosting Platform

Source link

Continue Reading

Ultimas noticias

Los ataques cibernéticos podrían poner en peligro el suministro mundial de alimentos: lo último en inteligencia artificial | IA robótica

Published

on

Cyber attacks could jeopardize global food supplies

The Ultimate Managed Hosting Platform

Un grupo de senadores demócratas ha pedido a la Comisión Federal de Comercio que analice si la empresa de verificación de identidad ID.me engañó ilegalmente a clientes y agencias gubernamentales sobre su uso del controvertido software de reconocimiento facial.

ID.me, que utiliza una combinación de selfies, escaneos de documentos y otros métodos para confirmar las identidades de las personas en línea, ha crecido rápidamente durante la pandemia de coronavirus, en gran parte debido a los contratos con los departamentos estatales de desempleo y agencias federales junto con Inside Income. Servicio.

Él que dice que tiene más de 80 millones de usuarios, también se ha enfrentado a preguntas crecientes sobre ese papel, además de si se debe permitir o no que un contratista personal se comporte como un guardián de facto para . Ya es el tema de una investigación del Comité de Reforma y Supervisión del Hogar.

La clave de los problemas han sido las preguntas sobre el uso de ID.me de . Después de afirmar durante mucho tiempo que solo usaba experiencia “uno a uno” que contrastaba los selfies tomados por los usuarios con los escaneos de una licencia de conducir u otra identificación emitida por el gobierno, la compañía dijo a principios de este año que realmente mantenía una base de datos de escaneos faciales y utilizó una tecnología más controvertida de “uno a muchos”.

En una carta enviada a la presidenta de la FTC, Lina Khan, solicitando una investigación, los senadores Ron Wyden, Cory Booker, Ed Markey y Alex Padilla solicitaron el miércoles al regulador que analice si las declaraciones de la empresa apuntan o no a su uso ilegal de “empresas engañosas e injustas”. prácticas.”

Las declaraciones preliminares de ID.me sobre su software de reconocimiento facial parecían haber sido utilizadas para engañar a los usuarios y escribieron los senadores en la carta.

“Las personas tienen motivos explícitos para estar involucradas en la distinción entre estos dos tipos de reconocimiento facial”, dijeron los senadores. “Mientras que el reconocimiento uno a uno incluye una comparación única de dos imágenes con el fin de afirmar la identificación de un solicitante, el uso del reconocimiento uno a muchos significa que las imágenes de decenas de millones de personas inofensivas pueden ser consultadas sin cesar como parte de una “alineación” digital.

El uso de la experiencia de uno a muchos también planteó problemas sobre coincidencias falsas que llevaron a que a los candidatos se les negaran ventajas o tuvieran que asistir meses para obtenerlas, dijeron los senadores. La posibilidad era “particularmente grave” para las personas de color, ya que las pruebas que mostraban muchos algoritmos de reconocimiento facial aumentaron las tasas de coincidencias falsas para los usuarios negros y asiáticos.

Preguntas sobre el uso de ID.me de surgió en enero después de la publicación de un artículo de Bloomberg Businessweek sobre la empresa. Eso coincidió con problemas crecientes sobre un contrato de $ 86 millones con el IRS que podría haber requerido que los contribuyentes estadounidenses se registraran en ID.me para usar servicios en línea. Desde entonces, el IRS ha anunciado sus opciones para ID.me.

En entrevistas con Bloomberg Businessweek y en un blog de enero publicado por Bake Corridor, su , ID.me había defendido la equidad de sus programas de reconocimiento facial en parte al decir que la compañía simplemente usaba un sistema de coincidencia uno a uno que compara una selfie tomada por la persona con su identificación con foto. “Nuestra coincidencia de caras 1: 1 corresponde a tomar una selfie para desbloquear un teléfono inteligente. ID.me no usa el reconocimiento facial 1:muchos, que es más avanzado y problemático”, escribió Hall en la publicación.

Una semana después, Hall corrigió el archivo en una publicación en LinkedIn, diciendo que la compañía usó un sistema de reconocimiento facial de uno a varios, en el que una imagen contrasta con bases de datos de fotografías a menudo masivas.

Corridor, en esa publicación, dijo que el uso de la empresa de un algoritmo de uno a muchos se limitaba a las comprobaciones de las aplicaciones gubernamentales que, según dice, están enfocadas por el crimen organizado y no contiene ninguna base de datos externa o gubernamental.

“Este paso simplemente no está vinculado a la verificación de identificación”, escribió Corridor. “No impide que los clientes auténticos verifiquen su identificación, ni se usa para ningún otro objetivo además de prevenir el robo de identidad. El conocimiento revela que erradicar esta gestión resultaría instantáneamente en un importante robo de identidad y crimen organizado”.

Si bien los investigadores y activistas han planteado problemas sobre la privacidad, la precisión y los puntos de sesgo en ambos programas, varios estudios muestran que los programas uno a varios funcionan mal en fotografías de personas con piel más oscura, especialmente mujeres. Empresas como Amazon.com Inc. y Microsoft Corp., por lo tanto, han dejado de vender estos tipos de software a los departamentos de policía y han solicitado la regulación presidencial en el campo.

Según los mensajes internos de Slack obtenidos por CyberScoop, el programa de software de ID.me, demostrado al IRS, utilizó el producto Rekognition de Amazon, el mismo que Amazon ha dejado de promocionar para hacer cumplir las leyes.

La compañía no había revelado su uso de Rekognition en un libro blanco sobre su tecnología publicado a principios de ese mes.

Los defensores de la seguridad de la privacidad y la inteligencia artificial también se han quejado de que ID.me no ha abierto sus programas de reconocimiento facial a la auditoría externa.


Los paneles de la Cámara investigan el uso del software de reconocimiento facial por parte del gobierno


©2022 Bloomberg LP
Distribuido por Tribune Content Material Company, LLC.

Cotización:
Los senadores investigan la investigación de la FTC sobre la experiencia en selfies del proveedor del IRS ID.me (2022, 18 de mayo)
consultado el 18 de mayo de 2022
de https://techxplore.com/information/2022-05-senators-ftc-probe-irs-idme.html

Este documento está sujeto a derechos de autor. Aparte de cualquier trato honesto con el objetivo de un examen o análisis personal, no
la mitad también podría ser reproducida sin el permiso por escrito. El material de contenido se ofrece únicamente para funciones de información.



The Ultimate Managed Hosting Platform

Source link

Continue Reading

Ultimas noticias

Una nueva investigación arroja luz sobre cómo aprovechar al máximo las campañas de crowdsourcing: lo último en inteligencia artificial | IA robótica

Published

on

New research sheds light on how to make the most of crowdsourcing campaigns

The Ultimate Managed Hosting Platform

Las personas van por un camino de migas de pan cuando navegan por el mundo digital, brindando pistas sobre lo que está sucediendo en sus vidas, incluida su salud. Mauricio Santillana de Northeastern está utilizando algoritmos de aprendizaje automático para mostrar estas pistas en un sistema de alerta temprana para brotes de enfermedades. Puntuación crediticia: Matthew Modoono/Northeastern College

Parece un chiste más para cualquiera que bromee sobre los últimos dos años de vida pandémica. Sin embargo, para los científicos que pronostican futuros brotes de enfermedades, es un conocimiento necesario.

Las velas aromáticas comenzaron a recibir una afluencia de en línea en 2020. Clientes insatisfechos proclamaron que algunos de los productos más aromáticos y calientes de firmas conocidas como Yankee Candle “no tenían olor” e incluso olían mal.

Estas no eran solo algunas evaluaciones peligrosas. Las velas aromáticas preferidas compradas en Amazon recibieron un promedio de 4 a 4½ estrellas antes de 2020, pero durante los primeros 12 meses de la pandemia, las calificaciones cayeron unas pocas estrellas completas. Los usuarios de las redes sociales reflexionaron sobre algunos vínculos entre estas evaluaciones negativas y la pérdida del sentido del olfato relacionado con las infecciones por COVID-19.

Cuando los casos de COVID-19 aumentaron nuevamente a fines de 2021 debido a la variante omicron, los investigadores notaron otro aumento en estas evaluaciones negativas de “sin olor”.

Estas evaluaciones negativas en línea son lo que Mauricio Santillana llama “migas de pan”. A medida que los individuos navegan por , dejan rastros de lo que sucede en sus vidas fuera de línea, explica el director del Grupo de inteligencia artificial para la mejora de la salud y el medio ambiente (MIGHTE) en el Instituto de Ciencias Comunitarias de Northeastern. Estas “migas de pan” dejan un camino a seguir para que investigadores como Santillana aventuren posibles brotes futuros de COVID-19 y otras enfermedades.

Si hay anomalías en los desarrollos en línea (un aumento en las búsquedas en Google de puntos de venta que envían sopa de fideos con gallina, una ráfaga repentina de tuits sobre cómo navegar con un miembro de la familia en cuarentena o críticas peligrosas sobre velas perfumadas), podría indicar que la molestia se está gestando. Así crea Santillana para identificar las anomalías, dar sentido a esas pistas y crear un sistema de alerta temprana para brotes de enfermedades.

Incluyendo a la combinación, “estamos creando un observatorio del ejercicio de la enfermedad utilizando otros telescopios”, dice Santillana, profesor de física e ingeniería eléctrica y computacional que se unió recientemente a Northeastern de la Universidad de Harvard.

Santillana se está asociando con Alessandro Vespignani, director del Instituto de Ciencias Comunitarias y Profesor Distinguido de la Familia Sternberg en Northeastern, quien lidera un equipo de modeladores de enfermedades infecciosas que estaban desarrollando un conjunto de proyecciones sobre los futuros alcanzables de la pandemia de COVID-19 para el razón por la que comenzó el desastre.

Los modelos de Vespignani combinan detalles como el recuento de casos, las hospitalizaciones, las muertes, los patrones de movilidad humana, la frecuencia con la que las personas trabajan juntas, cómo se transmite el virus y la información adicional dirigida a la enfermedad. Santillana dice que su análisis proporciona un tipo único de termómetro al observar los rastros digitales de los comportamientos humanos que podrían estar un paso más allá de los datos epidemiológicos.

“En cierto modo, estamos tratando de unir estas dos opiniones para ofrecer una imagen más completa de brotes como el COVID-19”, dice Santillana.

Santillana y Vespignani ya han estado colaborando, combinando este conocimiento conductual digital con el conocimiento epidemiológico de su trabajo de modelado. En un papel impreso en Avances de la ciencia El año pasado, confirmaron que un sistema de alerta temprana armonizado de este tipo podría anticipar un aumento en los casos y muertes de COVID-19 en dos o varias semanas. Con Santillana convirtiéndose en miembro del Community Science Institute, la pareja trabajará colectivamente para desarrollar aún más este sistema de alerta temprana para brotes de enfermedades, y nunca solo para COVID-19.

La información que recopila Santillana abarca una gran variedad de datos, no solo las tendencias de búsqueda de Google, las publicaciones en las redes sociales y las evaluaciones o pedidos de compras en línea. También ha utilizado datos anónimos de termómetros inteligentes para determinar cuándo podría estar aumentando algún tipo de enfermedad en un área, datos de movilidad anónimos de teléfonos inteligentes que ilustran cuándo más personas podrían quedarse enfermas en casa, así como avances en las búsquedas de médicos para ciertos tipos de terapias o signos.

Incluso las búsquedas de Google y las publicaciones en las redes sociales contienen una variedad de información. Es posible que las personas estén tratando de encontrar más detalles sobre sus signos o sugerencias de cuarentena, o simplemente pueden estar tratando de encontrar un lugar para comprar jarabe para la tos o sopa.

Un aumento en solo uno de estos comportamientos en un área puede indicar que COVID-19 u otra enfermedad infecciosa se está extendiendo a un grupo, o simplemente podría ser que se estrenó una nueva película de ciencia ficción. y despertó el interés de la gente sobre las pandemias con más frecuencia. Por eso Santillana dice que es necesario que sus modas tengan en cuenta muchas y diversas fuentes de conocimiento. Los modelos de aprendizaje automático también están diseñados para determinar si un aumento en ciertas búsquedas en Google, por ejemplo, realmente se correlaciona con un aumento en las infecciones y hospitalizaciones para poder decidir si vale la pena considerarlo como un presagio de un brote de enfermedad.

Este nuevo tipo de “telescopio”, como lo denominó Santillana, será parte de la nueva iniciativa de pronóstico de enfermedades de los EE. UU., el Centro de Pronóstico y Análisis de Brotes (CFA). Santillana forma parte de una plantilla de consultores que asesoran en ese esfuerzo.

“De la misma manera que funcionan los programas de pronóstico del clima en todo el mundo”, explica, “la idea es aportar formas alternativas de ver la información que se produce en tiempo real y diseñar programas que puedan reconocer cuándo ocurre algo anómalo. ”

Al igual que las empresas de previsión climática, la CFA será básicamente una averiguando cuándo y dónde pueden ocurrir brotes de enfermedades para que los funcionarios de salud pública puedan tomar medidas para evitar que se vuelvan devastadores.


Los datos de ‘ubicación’ móvil podrían ayudar a guiar las medidas de distanciamiento social de COVID-19


Información extra:

Nicole E. Kogan et al, Un método de alerta temprana para ver el ejercicio de COVID-19 con varios rastros digitales casi en tiempo real, Avances de la ciencia (2021). DOI: 10.1126/sciadv.abd6989

Cotización:
Sus búsquedas y tweets de Google pueden ayudar a pronosticar el próximo brote de enfermedad (2022, 18 de mayo)
consultado el 19 de mayo de 2022
de https://techxplore.com/information/2022-05-google-tweets-disease-outbreak.html

Este documento está sujeto a derechos de autor. Aparte de cualquier trato honesto con el objetivo de un examen o análisis personal, no
la mitad también podría ser reproducida sin el permiso por escrito. El material de contenido se ofrece únicamente para funciones de información.



The Ultimate Managed Hosting Platform

Source link

Continue Reading

Ultimas noticias

Sus búsquedas en Google y sus tweets podrían ayudar a pronosticar el próximo brote de la enfermedad – Lo último en inteligencia artificial | IA robótica

Published

on

Your Google searches and tweets might help forecast the next disease outbreak

The Ultimate Managed Hosting Platform

Las personas van por un camino de migas de pan cuando navegan por el mundo digital, brindando pistas sobre lo que está sucediendo en sus vidas, incluida su salud. Mauricio Santillana de Northeastern está utilizando algoritmos de aprendizaje automático para mostrar estas pistas en un sistema de alerta temprana para brotes de enfermedades. Puntuación crediticia: Matthew Modoono/Northeastern College

Parece un chiste más para cualquiera que bromee sobre los últimos dos años de vida pandémica. Sin embargo, para los científicos que pronostican futuros brotes de enfermedades, es un conocimiento necesario.

Las velas aromáticas comenzaron a recibir una afluencia de en línea en 2020. Clientes insatisfechos proclamaron que algunos de los productos más aromáticos y calientes de firmas conocidas como Yankee Candle “no tenían olor” e incluso olían mal.

Estas no eran solo algunas evaluaciones peligrosas. Las velas aromáticas preferidas compradas en Amazon recibieron un promedio de 4 a 4½ estrellas antes de 2020, pero durante los primeros 12 meses de la pandemia, las calificaciones cayeron unas pocas estrellas completas. Los usuarios de las redes sociales reflexionaron sobre algunos vínculos entre estas evaluaciones negativas y la pérdida del sentido del olfato relacionado con las infecciones por COVID-19.

Cuando los casos de COVID-19 aumentaron nuevamente a fines de 2021 debido a la variante omicron, los investigadores notaron otro aumento en estas evaluaciones negativas de “sin olor”.

Estas evaluaciones negativas en línea son lo que Mauricio Santillana llama “migas de pan”. A medida que los individuos navegan por , dejan rastros de lo que sucede en sus vidas fuera de línea, explica el director del Grupo de inteligencia artificial para la mejora de la salud y el medio ambiente (MIGHTE) en el Instituto de Ciencias Comunitarias de Northeastern. Estas “migas de pan” dejan un camino a seguir para que investigadores como Santillana aventuren posibles brotes futuros de COVID-19 y otras enfermedades.

Si hay anomalías en los desarrollos en línea (un aumento en las búsquedas en Google de puntos de venta que envían sopa de fideos con gallina, una ráfaga repentina de tuits sobre cómo navegar con un miembro de la familia en cuarentena o críticas peligrosas sobre velas perfumadas), podría indicar que la molestia se está gestando. Así crea Santillana para identificar las anomalías, dar sentido a esas pistas y crear un sistema de alerta temprana para brotes de enfermedades.

Incluyendo a la combinación, “estamos creando un observatorio del ejercicio de la enfermedad utilizando otros telescopios”, dice Santillana, profesor de física e ingeniería eléctrica y computacional que se unió recientemente a Northeastern de la Universidad de Harvard.

Santillana se está asociando con Alessandro Vespignani, director del Instituto de Ciencias Comunitarias y Profesor Distinguido de la Familia Sternberg en Northeastern, quien lidera un equipo de modeladores de enfermedades infecciosas que estaban desarrollando un conjunto de proyecciones sobre los futuros alcanzables de la pandemia de COVID-19 para el razón por la que comenzó el desastre.

Los modelos de Vespignani combinan detalles como el recuento de casos, las hospitalizaciones, las muertes, los patrones de movilidad humana, la frecuencia con la que las personas trabajan juntas, cómo se transmite el virus y la información adicional dirigida a la enfermedad. Santillana dice que su análisis proporciona un tipo único de termómetro al observar los rastros digitales de los comportamientos humanos que podrían estar un paso más allá de los datos epidemiológicos.

“En cierto modo, estamos tratando de unir estas dos opiniones para ofrecer una imagen más completa de brotes como el COVID-19”, dice Santillana.

Santillana y Vespignani ya han estado colaborando, combinando este conocimiento conductual digital con el conocimiento epidemiológico de su trabajo de modelado. En un papel impreso en Avances de la ciencia El año pasado, confirmaron que un sistema de alerta temprana armonizado de este tipo podría anticipar un aumento en los casos y muertes de COVID-19 en dos o varias semanas. Con Santillana convirtiéndose en miembro del Community Science Institute, la pareja trabajará colectivamente para desarrollar aún más este sistema de alerta temprana para brotes de enfermedades, y nunca solo para COVID-19.

La información que recopila Santillana abarca una gran variedad de datos, no solo las tendencias de búsqueda de Google, las publicaciones en las redes sociales y las evaluaciones o pedidos de compras en línea. También ha utilizado datos anónimos de termómetros inteligentes para determinar cuándo podría estar aumentando algún tipo de enfermedad en un área, datos de movilidad anónimos de teléfonos inteligentes que ilustran cuándo más personas podrían quedarse enfermas en casa, así como avances en las búsquedas de médicos para ciertos tipos de terapias o signos.

Incluso las búsquedas de Google y las publicaciones en las redes sociales contienen una variedad de información. Es posible que las personas estén tratando de encontrar más detalles sobre sus signos o sugerencias de cuarentena, o simplemente pueden estar tratando de encontrar un lugar para comprar jarabe para la tos o sopa.

Un aumento en solo uno de estos comportamientos en un área puede indicar que COVID-19 u otra enfermedad infecciosa se está extendiendo a un grupo, o simplemente podría ser que se estrenó una nueva película de ciencia ficción. y despertó el interés de la gente sobre las pandemias con más frecuencia. Por eso Santillana dice que es necesario que sus modas tengan en cuenta muchas y diversas fuentes de conocimiento. Los modelos de aprendizaje automático también están diseñados para determinar si un aumento en ciertas búsquedas en Google, por ejemplo, realmente se correlaciona con un aumento en las infecciones y hospitalizaciones para poder decidir si vale la pena considerarlo como un presagio de un brote de enfermedad.

Este nuevo tipo de “telescopio”, como lo denominó Santillana, será parte de la nueva iniciativa de pronóstico de enfermedades de los EE. UU., el Centro de Pronóstico y Análisis de Brotes (CFA). Santillana forma parte de una plantilla de consultores que asesoran en ese esfuerzo.

“De la misma manera que funcionan los programas de pronóstico del clima en todo el mundo”, explica, “la idea es aportar formas alternativas de ver la información que se produce en tiempo real y diseñar programas que puedan reconocer cuándo ocurre algo anómalo. ”

Al igual que las empresas de previsión climática, la CFA será básicamente una averiguando cuándo y dónde pueden ocurrir brotes de enfermedades para que los funcionarios de salud pública puedan tomar medidas para evitar que se vuelvan devastadores.


Los datos de ‘ubicación’ móvil podrían ayudar a guiar las medidas de distanciamiento social de COVID-19


Información extra:

Nicole E. Kogan et al, Un método de alerta temprana para ver el ejercicio de COVID-19 con varios rastros digitales casi en tiempo real, Avances de la ciencia (2021). DOI: 10.1126/sciadv.abd6989

Cotización:
Sus búsquedas y tweets de Google pueden ayudar a pronosticar el próximo brote de enfermedad (2022, 18 de mayo)
consultado el 19 de mayo de 2022
de https://techxplore.com/information/2022-05-google-tweets-disease-outbreak.html

Este documento está sujeto a derechos de autor. Aparte de cualquier trato honesto con el objetivo de un examen o análisis personal, no
la mitad también podría ser reproducida sin el permiso por escrito. El material de contenido se ofrece únicamente para funciones de información.



The Ultimate Managed Hosting Platform

Source link

Continue Reading

Trending