Hírlevél feliratkozás
Avatar
2020. október 4. 18:20 Tech

Jó pénzért hamarosan személyes digitális jósunk lehet

A jóslás azóta foglalkoztatja az emberiséget, amióta írásos emlékeink vannak. Alessandro Vespignani A jóslás algoritmusa című könyve szerint azonban ma közelebb járunk a megvalósulásához, mint valaha. A big data és a gépi tanulás különös világában kalandozva megtudhatjuk, hogy mi kell ahhoz, hogy ne kelljen többet a nostradamusi jóslatokra hagyatkozni, ha a jövőt akarjuk látni.

A fülszöveg a megjelenés ideje miatt nem meglepő módon azzal igyekszik megnyerni magának az olvasót, hogy a koronavírus megmutatta, mennyire életmentők az előrejelzések és a nagy adatokon való elemzések. A könyvet elolvasva azonban

ezernyi területet ismerhetünk meg, ahol az előrejelzés tudománya az emberiség segítségére lehet,

bár kétséget kizáróan a vírusok tanulmányozása valóban az egyik legfontosabb.

Az előrejelző algoritmusok viszont ezen túl is rengeteg helyen segítik az embereket. Megtalálják az ideális letelepedési helyet a menekülteknek, amivel 70 százalékkal nő a foglalkoztatásuk. Előre jelzik a ciklonokat, és valós időben segítenek tájékozódni az erdőtüzekről. A mesterséges intelligencia segít a nehezen felmérhető fejlődő országokban megtalálni a legszegényebbeket, és így hatékonyabbá teszi a segélyezést.

Kapcsolódó cikkKapcsolódó cikkA mobilozási szokásaink elárulják, hogy van-e munkánkA mesterséges intelligencia segítségével meg tudják mondani a kutatók, hogy ki vesztette el az állását, ami segítheti a gazdaságpolitikát a mostani helyzetben.

Galileitől Vespignaniig mindenki látni akarja a jövőt

Alessandro Vespignani eredetileg fizikusként végzett, 1993-ban szerezte meg a doktoriját a római egyetemen. Dolgozott a Yale-en, a Paris-Sud Egyetemen, jelenleg a Northeast Egyetemen kutat. A hálózatelmélet, az informatika és a járványtan szakértője. Utóbbira nagy hatással volt munkája, amiért több nemzetközi díjjal is kitüntették.

Így valóban ő az egyik legalkalmasabb tudós napjainkban, aki mesélhet az előrejelzések hasznosságáról és figyelmeztethet a hátulütőikre. Az csak hab a tortán, hogy ezt olyan szórakoztató módon teszi meg, mintha mi is tagjai lennénk annak az elit társaságnak, amely birtokában van a nagy titkoknak.

A könyv előrehaladtával egyszerre tudunk meg többet az író pályájáról, az előrejelzés tudományáról, és tanulunk egy kis tudománytörténelmet is. Ahogy végigkísérjük, hogyan fejlődött ki az előrejelzés saját tudományággá, olyan történelmi eseményeket élhetünk újra, mint a gravitáció felfedezése, az atombomba létrehozása és a számítógépek feltalálása.

Azt viszont nem szabad figyelmen kívül hagyni, hogy ez a könyv valóban a laikusoknak készült. Akik a témában jártasabbak, sok olyan példát és anekdotát látnak majd visszaköszönni a lapokon, amiket biztosan ismertek már hálózatelmélettel vagy mesterséges intelligenciával foglalkozó előadásokból, írásokból. Ilyen például, hogy a hatalmas madárrajok hogyan hangolják össze a mozgásukat, vagy hogy mennyivel rosszabbul működött a korai arcfelismerés a nem fehér nők esetében.

Ebből is látszik, hogy a könyv messze nem áll meg a vírusok tanulmányozásánál, ahogy szépen felépíti az elméletet az előrejelzések algoritmusai mögött, úgy átvezet minket az élet különböző területeire, ahol alkalmazhatók ezek a modellek. A könyvből megtudhatjuk, hogy az Instagramra posztolt fotók alapján hogyan diagnosztizálható a korai depresszió;

hogyan rontotta el egy statisztikai hiba az angol focit évtizedekre,

és azon is jót szórakozhatunk, hogy a szerzőnek az szerezte meg a hírnevet, hogy megjósolta az American Idol győztesét.

Külön öröm, hogy a szerző többször is említ magyar kutatókat, akik segítették az előrejelzés tudományának fejlődését, természetesen Barabási Albert Lászlóval az élen, aki a könyv ajánlását is írta és Vespignani kollégája a Northeastern Egyetemen.

Milliónyi mesterséges világ segíthet a vírusok megfékezésében

A vírusok terjedése sokszor visszaköszön a könyvben, mivel ez az egyik fő kutatási területe Vespignaninak. Része volt annak a kutatócsoportnak is, amely modellezte a 2014-es ebolajárvány terjedését, nagyban segítve az orvosok és kutatók munkáját. A koronavírussal kapcsolatban is több kutatást végzett, például ő vezeti azt a kutatócsoportot, amelyet Bill és Melinda Gates kért fel, hogy modellezzék, mi történik, ha a gazdagabb országok kapják meg előbb a vakcinát (amikor már elérhető lesz).

A vírusfertőzés modelljének nagyszerűsége az egyszerűségében rejlik. Az embereket három csoportba sorolják: fertőzésre hajlamosak, fertőzöttek és a fertőzésen átesettek. Ezen kívül annyit kell csak tudni, hogy mekkora a vírus reprodukciós rátája (hány embert fertőz meg egy fertőzött), és egy hatalmas adatbázis kell arról, hogy hogyan mozognak az emberek. Kész is az előrejelzés.

Ennek a modellnek és a rá épülő algoritmusoknak köszönhető, hogy Afrika 2016-ra ebolamentes lett, de ez segített abban is, hogy megértették, miért sújtotta jobban a szegényeket a zika vírus. Ehhez arra a felfedezésre volt szükség, hogy a vírust a szúnyogok is terjesztik, majd a rovarokat beépítve a fenti modellbe rájöttek, hogy nagy hatással van a terjedés méretére, hogy melyik házakon van szúnyogháló (ami jellemzőbben csak a gazdagok kiváltsága Brazíliában).

A mai adatok pedig lehetővé teszik, hogy mindezt egyéni szinten meg lehessen figyelni, hiszen a mobiladatokból tudható, hogy hol jártunk és kikkel érintkeztünk. Ma már nagy teljesítményű számítógépeken

olyan modelleket futtatnak, amik szinte teljesen lemásolják a valódi populációt.

Ennek segítségével nemcsak a járvány terjedését tudják előre jelezni, de megfelelő forgatókönyveket tudnak kitalálni szinte bármilyen katasztrófa bekövetkeztére.

Viszont ahogy azt már Asimov is meglepő pontossággal leírta, vannak az előrejelzésnek szabályai. Sosem beszélhetünk pontos előrejelzésekről. Ahogy az időjárás-jelentés, minden más terület előrejelzései is csak valószínűségeket vázolnak fel, a milliónyi lefuttatott lehetőség alapján választja ki a legvalószínűbbet, de ez nem jelenti, hogy az biztosan bekövetkezik.

Ezen kívül azok, akikről az előrejelzések szólnak, megváltoztathatják azt.

Ha az előrejelzés eredményét megismerik az emberek, akkor óhatatlanul is változtatnak a viselkedésükön, amivel gyengítik a modell előrejelző erejét. Szintén használhatatlanok ezek a modellek, ha a világ változik meg jelentősen. Mivel minden előrejelző modell a múltra épít, ha valami gyökeresen eltérő módon zajlik a jövőben, arra már nem fognak jól illeszkedni az algoritmus jóslatai.

Egy dolog volt, amit nem látott előre Asimov. Ő még azt feltételezte, hogy nem lesz lehetséges egyénekre szóló előrejelzéseket alkotni. Ebben ma már mind tudjuk, hogy tévedett, hiszen az okostelefonok és a „dolgok internete” világában már szinte minden adatunkat tárolja egy cég. Minden alkalommal, amikor megnyitjuk a Facebookot vagy filmeket böngészünk Netflixen, egy előrejelző algoritmus dobálja elénk azokat a dolgokat, amiket szerinte látni akarunk. Például a Netflix új filmjét, hogy miért legyünk óvatosak a közösségi médiával.

De ugyanígy előre jelezhető egyéni szinten rengeteg egészségügyi esemény is. Ma már elég egy okosóra ahhoz, hogy a fontosabb egészségügyi mutatóinkat monitorozni tudja, és ebből személyre szóló előrejelzéseket készítsen. De Vespignani szerint nem állunk távol attól sem, hogy

on-demand előrejelzéseket rendelhessenek az emberek jó pénzért, így személyes jósunk lehet,

aki megmondja, hogy mennyire valószínű, hogy influenzás lesz a gyerekünk, vagy segítséget nyújt, hogy nekünk személyesen mit kell tennünk a bajban, például egy földrengés esetén. Arról azonban már a szerző sem tud sokat, hogy ezek a fejlesztések hol tartanak, mivel ezek az algoritmusok zárt ajtók mögött készülnek a nagyobb profit reményében.

Honnan tudjuk, hogy jó mesterséges kezekben vagyunk?

Bár a könyvben elő-előjönnek példák arról, hogy hol siklott félre az előrejelzés tudománya (ilyenek a rasszista bűnmegelőzési algoritmusok vagy az USA-központú képfelismerő mesterséges intelligenciák), de a bevezetőben tett ígéretek ellenére a könyv igen kis része foglalkozik a big data és az előrejelzések hátrányos oldalával. A szerző megemlíti a Cambridge Analytica botrányát, a Snowden-botrányt és azt, hogy több száz cég fér hozzá milliónyi ember szinte méterre pontos helyadataihoz nap mint nap.

Kapcsolódó cikkKapcsolódó cikkFaágakkal is manipulálható a mesterséges intelligenciaHa nem vagyunk tisztában a gépi tanulás részleteivel, akkor nem vesszük észre a hibákat és a manipulációs kísérleteket.

Azonban azt is hangsúlyozza, hogy

ezeket az adatokat mi szolgáltatjuk ki ezeknek a cégeknek,

mi engedélyezzük különböző alkalmazásoknak, hogy ilyen-olyan adatokat gyűjtsenek és tároljanak rólunk. Ezzel nem menti fel a cégeket, de nem titkolja, hogy egyik botrány sem érte váratlanul.

Végül kitér a jövendőmondás etikai kérdéseire is. Meddig lehet elmenni az adatgyűjtésben és felhasználásban, kire hárul a felelősség az előrejelzések megosztásában? Vespignani szerint ma már egyre kevesebben hozzák nyilvánosságra az algoritmusokat, amik az előrejelzéseket készítik, mivel azzal tudnak pénzt keresni, ha megtartják ezt a tudást maguknak.

De még ha ismerjük is az algoritmust,

a legtöbb esetben fogalmunk sincs, mi alapján készíti az előrejelzést.

Bemennek az adatok egy fekete dobozba, és kijönnek az előrejelzések, amik akármennyire pontosak is, nem tudjuk, hogy lemásolják és életben tartják a hibákat a társadalomban, vagy valóban előrejelzik a torzítatlan valóságot.

Összességében a könyv egy nagyon szórakoztató és tanulságos történet egy új tudomány fejlődéséről, ami segít megismerni a világot, amiben élünk. Láthatjuk az előrejelzések emberi oldalát, a hibáikat, a rejtélyeiket, és persze azt is, hogy mennyire hasznosak az emberiségnek. Az pedig jelentős részben Alessandro Vespignanin és a többi kutatón múlik, hogy mennyire sikerül megfelelő mederben tartani a mindent látó algoritmusokat.

Kapcsolódó cikkKapcsolódó cikkKét példa arra, hogy miért fontos a hálózatelemzés a koronavírus-járvány megfékezésébenEgyáltalán nem mindegy, hogy a kormányok kiknek biztosítanak elsősorban védőfelszerelést, a sokakkal személyesen érintkezők ugyanis szuperterjesztőkké válhatnak.

Tech algoritmus előrejelzés hálózatelemzés könyvajánló koronavírus mesterséges intelligencia vírusok Olvasson tovább a kategóriában

Tech

Bucsky Péter
2020. október 12. 14:58 Támogatói tartalom, Tech

Az e-sportra érdemes fogadni

A koronavírus-járvány egyik legnagyobb nyerte az e-sport lett, de így sem futott fel az összes videojáték-fejlesztő forgalma.

Stubnya Bence
2020. október 11. 15:18 Közélet, Tech

„Régi vágású felfogást tükröz, amit Orbán az európai innovációról írt”

Nem az a lényeg, hogy katonai alapokra épül-e a k+f, a tehetséges magyar kutatók megtartásához pedig világos célokra van szükség - mondta a G7-nek adott interjúban Mariana Mazzucato olasz-amerikai közgazdász.

Avatar
2020. október 11. 07:07 Tech

Kémiai Nobelt ért, de milyen jövőt hoz a CRISPR?

Ha jól használjuk, akkor óriási előnyei lehetnek, ha viszont nem lesznek globálisan egységes etikus szabályok, akkor a társadalmi egyenlőtlenségeket végsőkig fokozhatja

Fontos

Torontáli Zoltán Váczi István
2020. október 19. 06:49 Közélet, Vállalat

Milliárdokat fizet a kormány, hogy az egyik magyar gyárból egy másikba vigyék a termelést

A kormány odaadja a pénzünket egy új összeszerelő üzemnek, de fogalmunk sem lehet, hogy ez jó-e nekünk. Az eddigi sárvári bérgyártóknak valószínűleg rossz.

Stubnya Bence
2020. október 17. 07:10 Podcast

Van, amiben már felzárkóztunk, de a 2020-as évek nagy kérdése, hogy a fenntarthatóságot is elérjük-e

A mai G7 podcastban a jövő héten megjelenő, idén 30 éves Társadalmi Riport új számáról beszélgetünk Tóth István Györggyel, a kötet egyik szerkesztőjével.

Stubnya Bence
2020. október 16. 06:47 Közélet

Készültek az új korszakra, de most ismét minden megváltozik a lakáspiacon

Az országos 5 százalékos lakásáfa kigolyózhatja a rozsdaövezeti projekteket. Nincs még minden veszve, de olyan népszerűek nem lesznek, mint amire eddig számíthattunk.