خلاصه مقاله:
شاید از خواندن عنوان مقاله و کمک کردن Big Data برای مبازه با ویروس کرونا تعجب کرده باشید، بعد از شروع پاندمی کرونا به نظر میرسید باید انتخاب وحشتناکی بین نجات جان انسانها یا نجات معیشت آنها انجام میشد. نویسندگان این مقاله که یکی از آنها پژوهشگر حوزه رباتیک و AI، و دیگری از محققان بهداشت عمومی و پزشک هستند، بر این باورند که انجام یک سرمایهگذاری عظیم بر روی دادهها و استفاده از تحلیلها و قدرت محاسباتی برای مبارزه با ویروس ضروری است.
درخواست آنها برای یک بررسی طرح پیشنهادیشون با آماده شدن سریع زیرساختهای مورد نیاز برای این آزمایشی و تدارک دیدن کمک برای کارکنان خط مقدم مبارزه با بیماری آغاز شد. این اقدامات زمان مورد نیاز را برای شروع و ارائه راهکارهای تکنولوژیکی که در ادامه به آنها میپردازیم را فراهم خواهد کرد. این راهکارهای تکنولوژیکی که عبارتند از استفاده از هوش مصنوعی، احترام به حریم خصوصی و تجزیه و تحلیل ارتباط از طریق اطلاعات موجود درباره بیمارانی که تست کرونا آنها مثبت است، آماده شد.
تجزیه و تحلیل این دادهها به تعیین محلهای پرخطر و حتی مهم تر از آن، نقاط کم خطرتر کمک میکنند، این تجزیه و تحلیل ریسک، نشان میدهد که مردم در چه جاهایی می توانند دوباره دور هم جمع شوند.
چنین تجزیه و تحلیل ریسکی میتواند مانند هشدارهای طوفان عمل کند. با این حال، اعلام شروع و توقف فعالیتهای تجاری و اجتماعی مبتنی بر این پیشبینیها، چالش جدیدی خواهد بود که باید به آن پرداخته شود. تحلیلهایی که به طور معمول برای پیشبینی تقاضا، هزینهها و عوامل دیگر به کار میروند را می توان گسترش داد تا به کاهش این چالش کمک کند. تجزیه و تحلیل و قدرت محاسباتی همچنین میتواند برای کمک به واحدهای منابع انسانی در راستای سنجش موثر ریسکها همکاریهای حضوری استفاده شود.
دادههای جدید و Big Data ها همچنین ممکن است برخی انتظارات در مورد نیاز حضور در محل کار را تغییر دهند. در برخی موارد، کار از راه دور ممکن و مطلوب است. در صنایع تولیدی، همکاری بین رباتهای هوشمند و انسانها میتواند باعث کاهش ریسک شود. تلاش گسترده در استفاده از محاسبات برای مبارزه با ویروس کرونا، فرصتی برای طراحی بنیادی روشهای ارائه خدمات ضروری و حفظ عملکردهای جامعه در بحرانها را فراهم میکند.
یکی از ما (جولی) محقق AI و طراح ربات در MIT است و دیگری (نیل) پزشکی در یک بیمارستان بزرگ و یک محقق بهداشت عمومی در دانشگاه هاروارد است. مکالماتی که ما در موقع شام انجام میدهیم، معمولا بر روی آینده تمرکز میکنند.، جای تعجب نیست که در شرایط فعلی پاندمی ما حرف زیادی برای گفتن نداریم.
با توجه به اخبار، به نظر میرسد که سیاست گذاران با یک انتخاب غیر ممکن بین نجات زندگی و نجات معیشت انسانها مواجه هستند. مطالعه دقیق داستانهای هشدار دهنده و نمونههای امیدوار کننده از سراسر جهان نشان میدهد که فاصله اجتماعی، ماندن در پناهگاه امن و تلاشهای مشابه در جهت کاهش خطر برای از بین بردن تاثیر وسرایت این بیماری همهگیر، با وجود ویرانی که آنها بر روی کسبوکارها دارند، بسیار مهم است. با این حال، ما میدانیم که هر چه زودتر بتوانیم به در امنیت کامل به اجتماع برگردیم، بهتر است.
اما چگونه میتوانیم به آن نقطه برسیم؟
ما معتقدیم که پاسخ در محاسبات نهفته است. ما نیاز داریم تا جایی که میتوانیم دادهها و توان محاسباتی را در راس مساله قرار دهیم، و اکنون این یک سناریوی امیدوار کننده است که ما در مورد آن بحث کردهایم. سناریویی که ما معتقدیم میتواند با تلاش متمرکز، به زودی عملیاتی شود.
اولین قدم مرتب کردن اصول اولیه است. کره جنوبی ۱۰۰،۰۰۰ کیت تست در روز تولید می کند و تا به امروز بیش از ۳۰۰،۰۰۰ آزمایش انجام داده است. این میزان بیش از ۴۰ برابر نرخ سرانه آزمایش در آمریکا است. ما به تستها با قابلیتهایی مانند نمایش سریع جواب و در دسترس بودن نیاز داریم. در واقع، چند هفته پیش به آنها نیاز داشتیم. اکنون ما باید هر کاری که می توانیم انجام دهیم تا آنها را در سریعترین زمان ممکن افزایش دهیم. ما همچنین به منابع کافی شامل تجهیزات مناسب برای محافظت از کارکنان مراقبتهای بهداشتی و دیگران افراد حاضر در خطوط مقدم مبارزه با بیماری، به همراه دستگاههای تهویه کننده هوا و سایر تجهیزات نجاتبخش نیاز داریم.
قرار دادن این موارد در جایگاه مناسب در ترکیب با اقدامات پیشگیرانهای که در حال حاضر اجرا میشوند، از جمله قرنطینه کردن تمام ایالتها، زمان آمادهسازی حیاتی را برای استقرار دادهها و کامپیوترها در برابر این ویروس برای ما مهیا خواهند کرد.
گام بعدی توسعه قابلیتهایی است که به صورت هوشمندانه از ابتلا به بیماری پیشگیری میکند. تا جایگزین نیاز به انزوا و قرنطینه شوند. فرصت کوتاه است و ما تنها چند ماه برای از بین بردن آن چه که بیل گیتس به عنوان یک بیماری همهگیر توصیف کردهاست، زمان داریم. مانند آنفولانزا اسپانیایی که در سال ۱۹۱۸ که منجر به کشته شدن حداقل ۵۰ میلیون نفر در سراسر جهان شد. خوشبختانه ما نسبت به کسانی که یک قرن پیش در حال مبارزه با این بیماری همهگیر بودند، مزایای تکنولوژیکی بسیاری داریم. از بسیاری جهات، تاکنون این مهم ترین چالش ما در حوزه Big Data و تجزیه و تحلیل داده بوده است. با اراده و نوآوری، ما میتوانیم روند کاهش سرعت گسترش ویروس را نه تنها در سطح جمعیتی کم بلکه در جاهای شلوغ هم نیز پیشبینی کنیم.
در MIT، تلاشهایی برای استفاده از فنآوریهای تلفن همراه موجود برای توسعه سریع و ردیابی تماسها با حفظ حریم خصوصی در حال انجام است که میتواند شرایط را تغییر دهد. وقتی که آزمایش کرونا شخصی مثبت شود، ارائهدهندگان مراقبتهای بهداشتی میتوانند به نام افرادی که در بازه زمانی مربوطه در مجاورت با فرد مبتلا بودهاند، بدون دسترسی اطلاعات به رفت و آمد آنها، دست پیدا کنند.
با کمک این اطلاعات مهم، دانشمندان کامپیوتر میتوانند دادهها را از طیف وسیعی از منابع گرفته و با ترکیب آنها ریسک دقیق امکان انتقال ویروس در سطح جامعه را پیشبینی کنند.
این دادهها امکان ارزیابی ریسکها را پویاتر میکنند و دقیق و در لحظه به ما اجازه دهد تا تصمیم بگیریم که آیا مدارس و محل کار باید باز باشند یا خیر؟ کدام مدارس و برای چه مدت باید باز باشند؟
کنترلکنندههای ترافیک هوایی از محاسبات استفاده میکنند تا استفاده از حریم هوایی را در مقابل الگوهای نامشخص آبوهوا هماهنگ کنند. یک روز پرخطر در انتقال ویروس کرونا برای یک منطقه خاص میتواند معادل یک هشدار طوفان باشد.
چنین استراتژیهای هدفمندی برای قرنطینه به مدارس و مشاغل بیشتری اجازه میدهند، باز بمانند، که این خیلی خوب است. این کار چالشهایی هم خواهد داشت. ریسک فعلی برای شروع و توقف این عملیات کم نیست؛ این کار میتواند باعث ویرانی در زنجیره تامین و روال روزانه شود. فناوری محاسباتی میتواند اختلال در این فرآیندها را کمتر کند و مطمئن شود که نیازهای مربوط به تدارکات را برآورده و وجود نیروی کار تامین شود.
شرکتهای لجستیک و حملونقل مانند FedEx از همکاری بین هوش مصنوعی و انسان، برای برنامهریزی زنجیرههای تامین خود با توجه به عواملی از جمله تقاضای پیشبینیشده و هزینههای حمل و نقل استفاده میکنند. همکاریهای مشابهی میتواند برای بهبود و انعطافپذیری در راستای حضور در محیط کار و مدارس به کار گرفته شود.
انطباق پذیری با چنین اقداماتی برای مبارزه با پاندمی، ممکن است به ما نشان دهد که حضور فیزیکی، همیشه آن طور که فکر میکردیم ضروری نیست. دورکاری ممکن است به بخشی از طرز فکر ما در مورد کار تبدیل شود. در این مورد هم، محاسبات به ما این امکان را میدهد که مزایا و معایب کار کردن افراد در کنار یکدیگر را، به خوبی بسنجیم.
فنآوریهای جدید رابط انسان و ربات هستند و به کاربران اجازه میدهد با رباتهایی که در حال انبار کردن وسایل، تمیز کردن یا مونتاژ تجهیزات هستند، ارتباط برقرار کنند و به طور موثر به افراد اجازه میدهد تا با ماشینها همکاری کنند، گویی با همکاران انسانی کار میکنند.
دسترسی روزافزون به ابزارهای هوشمند همکاری مجازی و ربات های هوشمند مشارکتی در فضاهای صنعتی، تغییر دهنده بازی برای کار از راه دور خواهد بود.
در میان یک بیماری همهگیر بیسابقه و رو به رو شدن با آیندهای نامعلوم، همه ما در حال سازگار شدن با تغییرات سریع و شدید در زندگی روزمره هستیم. همان طور که بازارهای در حال سقوط نشان میدهند، سرعت تغییر در حال فشار آوردن به فعالیتها و زیرساختهایی است که جامعه را در کنار یکدیگر نگه میدارند.
هرچند ممکن است سخت باشد، اما ما افراد خلاق باید خود را از جزئیات عملیاتی و مدیریت این سختیها دور کرده و با نگاهی راسخ به جلو نگاه کنیم. ما نه تنها باید سختیها، برنامه کاری محدود شده و بودجههای از بین رفته را کاهش دهیم، بلکه باید شیوه ارائه خدمات اساسی و حفظ کارکردهای جامعه را باز طراحی کنیم.
این مطلب ترجمهای است از مقاله
Fighting Coronavirus with Big Data منتشر شده در وبسایت HBR است.
دیدگاهتان را بنویسید