Otevřená datová sada o Covid-19 vydána pro strojové učení

Bílý dům – Úřad pro vědu a technologii požádá výzkumníky, aby analyzovali tisíce odborných článků pomocí umělé inteligence (AI). Všechny články, kterých je kolem 29 000, by mohly poskytnout odpovědi na otázky týkající se koronaviru. Asi 13 000 článků v databázi je kompletních a strojově čitelných. Co se týče zbývajících 16 000 článků, databáze obsahuje částečný text a souhrny.

V posledních dnech pracovali úředníci americké vlády s americkými technologickými společnostmi a výzkumnými institucemi na zajištění právního povolení k zpřístupnění článků o koronaviru.

Otevřená datová sada se nazývá COVID-19 Open Research Dataset, nebo CORD-19. Bude neustále přidávat nové informace do jednoho centralizovaného uzlu, poskytující výzkumníkům a ostatním jediné místo, kde lze k nim přistupovat.

Partnerství ohlášené Bílým domem zahrnuje Chan Zuckerberg Initiative, Microsoft (MSFT ) Research, Allen Institute for Artificial Intelligence, National Institute of Health’s National Library of Medicine, Georgetown University’s Center for Security and Emerging Technology, Cold Spring Harbor Laboratory a Kaggle AI platform, který patří Google.

Podle amerického CTO Michaela Kratsiose je datová sada CORD-19 „nejrozsáhlejší sbírkou strojově čitelné literatury o koronaviru doposud“.

Národní akademie věd, inženýrství a medicíny spolupracovala se Světovou zdravotnickou organizací (WHO) na vývoji „vysoce prioritních“ otázek. Tyto otázky se týkají vztahu mezi koronavirem a genetikou, inkubací, léčbou, symptomy a prevencí.

Některý výzkum v databázi je před-publicační výzkum stažený z zdrojů, jako je medRxiv a bioRxiv. Tyto jsou otevřené archivy.

Cori Bargmann je vedoucí vědecké části Chan Zuckerberg Initiative.

„Sdílení životně důležitých informací napříč vědeckými a lékařskými komunitami je klíčem k urychlení naší schopnosti reagovat na pandemii koronaviru,“ řekl Bargmann.

Podle výzvy zveřejněné Bílým domem byla sbírka databáze vyvinuta pomocí nástrojů Microsoftu pro web-škálovou kuraci literatury, které identifikovaly a spojily různé vědecké práce z celého světa. Chan Zuckerberg Initiative poskytla přístup k před-publicačnímu obsahu, National Library of Medicine poskytla přístup k literárnímu obsahu a tým Allen AI formátoval obsah, aby jej bylo možné analyzovat.

Dr. Eric Horvitz je Chief Scientific Officer ve společnosti Microsoft.

„Je to všechno na jedné lodi, když čelíme pandemii COVID-19,“ řekl Horvitz. „Musíme se spojit jako společnosti, vlády a vědci a pracovat na tom, abychom využili naše nejlepší technologie v biomedicíně, epidemiologii, AI a dalších vědách. Zdroj literatury o COVID-19 a výzva bude stimulovat úsilí, která mohou urychlit cestu k řešení COVID-19.“

Mnoho lidí doufá, že tento přístup bude fungovat a poskytne nový způsob, jak využít technologii AI a strojového učení v budoucnu. Jednou z těchto osob je Dr. Dewey Murdick, ředitel datové vědy na Georgetown University’s Center for Security and Emerging Technology. Dr. Murdick pomáhal koordinovat projekt.

„Tento cenný nový zdroj je plodem nezištné spolupráce a nyní nabízí příležitost najít odpovědi na důležité otázky o COVID-19,“ řekl Dr. Murdick. „Jakmile krize pomine, doufáme, že tento projekt bude inspirací pro nové způsoby, jak využít strojové učení k pokroku ve vědeckém výzkumu.“

Pokud tento projekt uspěje v poskytování potřebných odpovědí o koronaviru, mohl by být použit jako model v budoucnu. Technologie AI je silným nástrojem, a může analyzovat výsledky odborníků a institucí po celém světě mnohem rychleji než lidé. To znamená rychlejší reakční dobu, kdykoli dojde k pandemii nebo jiné krizi, což by mohlo zachránit mnoho životů a zabránit ekonomickým potížím.