Otevřený soubor dat o Covid-19 uvolněný pro strojové učení

Úřad pro vědeckou a technologickou politiku Bílého domu žádá vědce, aby analyzovali tisíce odborných článků s technologií umělé inteligence (AI).. Všechny články, kterých je kolem 29,000 13,000, by mohly poskytnout odpovědi na otázky týkající se koronaviru. Asi 16,000 XNUMX článků v databázi je celých a jsou strojově čitelné. Pokud jde o dalších XNUMX XNUMX článků, databáze má dílčí texty a souhrny. 

Během posledních několika dnů američtí vládní úředníci spolupracovali s americkými technologickými společnostmi a výzkumnými institucemi, aby zajistili zákonné povolení ke zpřístupnění dokumentů o koronaviru. 

Otevřená datová sada je známá jako COVID-19 Open Research Dataset nebo CORD-19. Neustále bude přidávat nové informace do jednoho centralizovaného centra, což výzkumníkům a dalším poskytuje jediné místo pro přístup k nim.

Partnerství oznámené Bílým domem zahrnuje Chan Zuckerberg Initiative, Microsoft Research, Allenův institut pro umělou inteligenci, 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. platforma, kterou vlastní Google. 

Podle amerického CTO Michaela Kratsiose je datový soubor CORD-19 „dosud nejrozsáhlejší sbírkou strojově čitelné literatury o koronaviru“.

Národní akademie věd, inženýrství a medicíny spolupracovala se Světovou zdravotnickou organizací (WHO) na vývoji otázek s „vysokou prioritou“. Tyto otázky se točí kolem vztahu mezi koronavirem a genetikou, inkubací, léčbou, symptomy a prevencí. 

Některé z výzkumů přítomných v databázi jsou předpublikační výzkumy čerpané ze zdrojů, jako jsou medRxiv a bioRxiv. Jedná se o archivy s otevřeným přístupem. 

Cori Bargmann je vedoucí vědy iniciativy Chan Zuckerberg.

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

Podle výzvy k akci vydané Bílým domem byla sbírka databáze vyvinuta pomocí webových nástrojů společnosti Microsoft pro správu literatury, které identifikovaly a spojily různé vědecké práce z celého světa. Iniciativa Chan Zuckerberg poskytla přístup k obsahu před zveřejněním, National Library of Medicine poskytla přístup k obsahu literatury a tým Allen AI naformátoval obsah tak, aby mohl být analyzován. 

Dr. Eric Horvitz je hlavním vědeckým ředitelem společnosti Microsoft. 

"Je to vše na palubě, když čelíme pandemii COVID-19," řekl Horvitz. „Musíme se spojit jako společnosti, vlády a vědci a pracovat na tom, abychom naše nejlepší technologie prosadili v biomedicíně, epidemiologii, umělé inteligenci a dalších vědách. Literární zdroj a výzva týkající se COVID-19 podnítí úsilí, které může urychlit cestu k řešení COVID-19.“

Mnozí doufají, že tento přístup bude fungovat a poskytne nový způsob využití technologie AI a strojového učení v budoucnu. Jedním z těchto lidí je Dr. Dewey Murdick, ředitel Data Science Centra pro bezpečnost a rozvíjející se technologie Georgetownské univerzity. Dr. Murdick pomáhal koordinovat projekt.

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

Pokud se tomuto projektu podaří prokázat tolik potřebné odpovědi o koronaviru, mohl by být v budoucnu použit jako model. Technologie AI je mocný nástroj a dokáže analyzovat výsledky odborníků a institucí po celém světě mnohem rychleji než lidé. To znamená rychlejší dobu odezvy, kdykoli vypukne pandemie nebo jiná krize, což by mohlo zachránit mnoho životů a zabránit ekonomickým otřesům.