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.
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.
Uczeniem maszynowym w komara
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 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.
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.
Rozpoznawanie poszczególnych gatunków komarów to nie jedyna funkcja globalnej sieci wykrywania komarów. – Uczenie maszynowe otwiera przed nami ogromne możliwości. Niektóre samochody autonomiczne za jego sprawą nie tylko uczą się bezpiecznej jazdy, lecz również przewidują zachowania innych uczestników ruchu. Podobnie może rozwinąć się globalna sieć wykrywania komarów. Jest szansa, że sztuczna inteligencja nauczy się zachowania komarów na tyle dobrze, że z dużą dokładnością będzie w stanie określać, jaką trasę obejmą insekty i z wyprzedzeniem ostrzegać przed nimi użytkowników aplikacji. Na tym polega analityka predyktywna. Podobne mechanizmy wykorzystuje się w Big Data marketingu, by zmaksymalizować skuteczność reklamy internetowej – dodaje Piotr Prajsnar. Prowadzona przez niego firma analizuje dane o użytkownikach sieci z ponad 40 rynków, przetwarzając 9 mld anonimowych profili internautów, z czego sporą część stanowią urządzenia mobilne.
