Τι είναι τα «big data» που βοηθάνε στον μέγιστο δυνατό βαθμό τους επιστήμονες

Εμβόλια, φάρμακα, θεραπείες, έρευνα είναι μερικές μόνο από τις ανθρώπινες δραστηριότητες στον τομέα της υγείας, που χρειάζονται την εξέλιξη της τεχνολογίας, για να αποδώσουν αποτελέσματα στον μικρότερο δυνατό χρόνο και στο σημείο αυτό είναι ακριβώς που η τεχνολογική εξέλιξη βοηθάει στον μέγιστο δυνατό βαθμό τους επιστήμονες.

Χαρακτηριστικό της αλματώδους τεχνολογικής εξέλιξης είναι το γεγονός ότι τις τελευταίες ημέρες παρουσιάστηκαν τα τεχνικά χαρακτηριστικά δύο νέας γενιάς οικιακών παιχνιδομηχανών, που θα κυκλοφορήσουν στην αγορά μέσα στη χρονιά. Πρόκειται για τεχνικά χαρακτηριστικά τόσο εξελιγμένα, που τις κάνουν να ξεπερνούν σε ισχύ υπερυπολογιστές εκατομμυρίων δολαρίων προηγούμενων δεκαετιών. Αυτό είναι κάτι που δείχνει πως «σήμερα υπάρχει διαθέσιμη τεράστια υπολογιστική ισχύς», εξηγεί, μιλώντας στο ΑΠΕ, ο Παναγιώτης Τζαμτζής, Analytics Implementation Consultant, ειδικός της τεχνολογίας «big data», από τη Θεσσαλονίκη.

Πρόκειται για ισχύ που το σημαντικό είναι πως «συνδυάζεται πια με αυτό που ονομάζεται “big data”, τα “μεγάλα δεδομένα” δηλαδή», τονίζει και προσθέτει πως είναι «τα “big data” που μαζί με την Τεχνητή Ευφυΐα, μπορούν να βοηθήσουν με πολλούς διαφορετικούς τρόπους, σήμερα, στην αντιμετώπιση ασθενειών».

Τι είναι τα «big data» και γιατί έχουν εξαιρετική σημασία για τον κοροναϊό

«Πριν από μερικές μέρες και πριν να αρχίσει όλη η Ελλάδα να ανησυχεί για τον κοροναϊό, είχαμε μια είδηση, η οποία ίσως δεν έτυχε της απαραίτητης προσοχής. Ένα σύστημα Τεχνητής Νοημοσύνης ανακάλυψε ένα καινούργιο αντιβιοτικό, το οποίο καταφέρνει να σκοτώσει ακόμα και επικίνδυνα βακτήρια που παραδοσιακά είχαν αποκτήσει ανοσία σε φάρμακα. Είναι η πρώτη φορά που χρησιμοποιήθηκε, με επιτυχές αποτέλεσμα, μια τέτοια τεχνική. Η διαδικασία και η είδηση ακούγεται εξωπραγματική, αλλά η αλήθεια είναι ότι οι επιστήμονες απλώς “οργάνωσαν” στη σωστή μορφή την πληροφορία που υπήρχε από παλιότερα πειράματα και αφήσαν τους υπολογιστές να “τρέξουν” όλους τους πιθανούς συνδυασμούς, να αναλύσουν τα δεδομένα και να καταλήξουν στο πιο σωστό συμπέρασμα», λέει ο κ. Τζαμτζής.

Με τον παραπάνω τρόπο εξηγεί τον λόγο, για τον οποίο οι τεχνολογίες «big data» είναι πλέον ένα ισχυρό «όπλο» στη μάχη της υγείας για την ανθρωπότητα. Όπως λέει, με τη χρήση τους είναι εφικτή ακόμη και η αξιοποίηση δεδομένων, που είχαν ίσως ήδη στη διάθεσή τους οι επιστήμονες, αλλά δεν είχαν αξιοποιήσει μέχρι τώρα. «Αυτή είναι μια τεχνική που μπορεί να χρησιμοποιηθεί και σε άλλες περιπτώσεις, όπως στην καταπολέμηση του Covid-19», εξηγεί ο Έλληνας «big data expert», υπογραμμίζοντας πως εκτός από την ανακάλυψη λύσεων σε προβλήματα, όπως το τρέχον (της δημιουργίας εμβολίων και θεραπειών για τον Covid-19), η ανάλυση των δεδομένων «μπορεί να μας βοηθήσει να πάρουμε και πιο σωστές αποφάσεις βάσει γεγονότων και όχι με τη διαίσθηση».

Αυτή, τονίζει, είναι μια δυνατότητα που παρέχουν οι τεχνικές των «μεγάλων δεδομένων» συνδυαστικά με την τεχνολογική ισχύ που έχει στα χέρια της, σήμερα, η επιστημονική κοινότητα.

Σωστές αποφάσεις για τις πολιτικές ηγεσίες

«Αυτό είναι που συνέβη και στην περίπτωση του Covid-19. Όταν κληθήκαμε να αντιμετωπίσουμε την καινούργια απειλή, θα ήταν εύκολο να πάρουμε βιαστικές αποφάσεις. Η παγκόσμια επίπτωση, όμως, του φαινομένου και η πληθώρα των δεδομένων που υπήρχαν διαθέσιμα από άλλες χώρες που έπληξε ο SARS-CoV-2, επέτρεψαν και στην Ελλάδα να πάρει σωστές αποφάσεις. Από τις πρώτες κιόλας ημέρες που μετρούσαμε ελάχιστα επιβεβαιωμένα κρούσματα, φαινόταν ότι οδηγούμαστε σε εξάπλωση του ιού, κάτι που αντιλαμβανόμασταν, συγκρίνοντας την πρόοδο των κρουσμάτων στην Ελλάδα με αυτή των άλλων χωρών. Ήταν, συνεπώς, προφανές ότι χωρίς τη λήψη δραστικών μέτρων θα ακολουθούσαμε την ίδια μοίρα», εξηγεί ο κ. Τζαμτζής που παραθέτει και μια σειρά από δράσεις εξαγωγής χρήσιμων πληροφοριών που έγιναν εφικτές «μέσα από την ανάλυση “μεγάλων δεδομένων”».

«Αρχικά, από τον αριθμό νέων κρουσμάτων στην Κίνα είχε ήδη φανεί ότι το μέτρο του κοινωνικού αποκλεισμού ήταν πολύ αποτελεσματικό, κάτι που έδειξαν τα στοιχεία και παρατήρησαν οι επιστήμονες», σημειώνει ο κ. Τζαμζτής. Αναλύοντας περαιτέρω την ευρωπαϊκή εμπειρία, σημειώνει: «Από άλλες ευρωπαϊκές χώρες είχε φανεί ότι αν ο αριθμός των καθημερινών νέων κρουσμάτων παρουσίαζε αύξηση μεγαλύτερη από το 40% θα είχαμε μια τρομακτική αύξηση των ασθενών κάθε δύο μέρες, που το πιο πιθανό είναι ότι δεν θα μπορούσε να αντιμετωπίσει το σύστημα υγείας μας».

Τα «big data» και η «σωτηρία του Κόσμου» σε περιόδους έκτακτης ανάγκης

Ο κ. Τζαμτζής χαρακτηρίζει πολύ ενδιαφέρουσα και ιδιαίτερα χρήσιμη την εικόνα που έδωσαν και δίνουν τα «big data» για «χώρες που είχαν χτυπηθεί από τον SARS το 2003» και οι οποίες, όπως λέει, «τα “μεγάλα δεδομένα” που πήραμε από αυτές έδειξαν πως ήταν πολύ πιο έτοιμες να αντιμετωπίσουν μια τέτοια απειλή». Πρόκειται για γεωγραφικές περιοχές με μεγάλους πληθυσμούς σε μικρές εκτάσεις, όπου «δεν είδαμε να υπάρχει εκθετική αύξηση των κρουσμάτων -για παράδειγμα Ιαπωνία, Ταϊβάν, Σιγκαπούρη, Ταϊλάνδη, Χονγκ Κόνγκ», χάρη στα μέτρα που ελήφθησαν, τα οποία και ήταν προϊόν της εμπειρίας του SARS, εξηγεί ο κ. Τζαμτζής.

Όσο για το πώς μπορεί να φτάσει στο βέλτιστο αποτέλεσμα όσο πιο γρήγορα γίνεται η ανθρωπότητα, όταν αντιμετωπίζει καταστάσεις όπως του κορονοϊού SARS-CoV-2, ο κ. Τζαμτζής εξηγεί πως απαιτείται συνδυαστική προσπάθεια πολλών ειδικοτήτων. «Τα δεδομένα από μόνα τους σίγουρα δεν θα σώσουν τον κόσμο, αλλά με σωστά καταρτισμένους επιστήμονες, που ξέρουν να διαχειριστούν τα δεδομένα και να τα χρησιμοποιήσουν προς όφελος της ανθρωπότητας, μπορούμε να έχουμε πιο γρήγορες και πιο σωστές αντιδράσεις σε ανάλογες απειλές ή ακόμη και πιο γρήγορο εντοπισμό λύσεων σε προβλήματα που απαιτούν πολλές ώρες ανθρώπινης δουλειάς», αναφέρει.

Ο κ. Τζαμτζής τονίζει ακόμα πως, σύμφωνα με την εμπειρία του, κοινός παρονομαστής σε κάθε προσπάθεια αντιμετώπισης κρίσιμων καταστάσεων, όπως αυτή με τον Covid-19, είναι ο ανθρώπινος παράγοντας. «Στη σημερινή εποχή, με όποια θετικά και αρνητικά συνεπάγεται αυτό, ο Άνθρωπος είναι αυτός που πρέπει να κάνεις τις σωστές ερωτήσεις και τα δεδομένα μπορούν να του δώσουν έξυπνες και σωστά τεκμηριωμένες απαντήσεις», καταλήγει.

Σχετικά Tags
big data κοροναϊός
function loadFacebookAPIOnUndefined() { if (typeof FB !== ‘undefined’) { FB.init({ appId : ‘608039295929782’, cookie : true, xfbml : true, version : ‘v2.11’ }); } else { jQuery.getScript(“https://connect.facebook.net/en_US/sdk.js”, function () { FB.init({ appId : ‘608039295929782’, cookie : true, xfbml : true, version : ‘v2.11’ }); FB.AppEvents.logPageView(); }); } } jQuery(document).ready(function () { var options = { type: “scroll”, scripts: [ “//connect.facebook.net/el_GR/sdk.js#xfbml=1&version=v2.9&appId=608039295929782″ ], success: function () { FB.init({ appId : ‘608039295929782’, cookie : true, xfbml : true, version : ‘v2.11’ }); } }; if (jQuery(window).scrollTop() > 0) { window.fbAsyncInit = function () { FB.init({ appId : ‘608039295929782’, cookie : true, xfbml : true, version : ‘v2.11’ }); FB.AppEvents.logPageView(); //jQuery(‘#fb-root’).trigger(‘facebook:init’); document.body.className += ” fbinit”; }; (function(d, s, id){ var js, fjs = d.getElementsByTagName(s)[0]; if (d.getElementById(id)) {return;} js = d.createElement(s); js.id = id; js.src = “https://connect.facebook.net/en_US/sdk.js”; fjs.parentNode.insertBefore(js, fjs); }(document, ‘script’, ‘facebook-jssdk’)); } else { jQuery.lazyscript(options); } }); function loadFacebookAPI() { jQuery.getScript(“https://connect.facebook.net/en_US/sdk.js”, function(){ FB.init({ appId : ‘608039295929782’, cookie : true, xfbml : true, version : ‘v2.11’ }); FB.AppEvents.logPageView(); }); }

Source link

Αφήστε μια απάντηση

Η ηλ. διεύθυνση σας δεν δημοσιεύεται. Τα υποχρεωτικά πεδία σημειώνονται με *