Datový vědec Joshua Blumenstock z University of California Berkeley a jeho kolegové pracují na algoritmech strojového učení, které analyzují satelitní snímky a informace o telefonické aktivitě ve vybraných oblastech.
Cílem je zlepšit koordinaci pomoci lidem, kteří se dostali do potíží kvůli vypuknutí nemoci COVID-19 a to především v chudých zemích jako je Bangladéš či Togo. Humanitární pracovníci působící v terénu touto cestou mohou získat mnohem lepší přehled o tom, kde jich je momentálně nejvíce zapotřebí.
Kritici výše popsané iniciativy upozorňují na to, že v jejím důsledku by se obyvatelé dotyčných zemí mohli ocitnout pod znepokojivě velkým dohledem. Blumenstock nicméně tvrdí, že mu jde výhradně o rychlejší a přesnější identifikaci jedinců zasažených koronavirem SARS-CoV-2.
Technologická řešení jsou přínosná, ale...
„Stávající program sociální ochrany v Togu je založen na tradičních údajích z vládního registru. Je to velmi působivý program, ale obávají se, že jsou tam možná lidé, kteří propadli sítem. A tak se zajímají o to, zda jim telefonní a satelitní data mohou pomoct ty lidi identifikovat,“ uvedl Blumenstock.
On sám však připouští, že technologická řešení nejsou všespasitelná: odborníci nemohou prostě jen vylepšovat algoritmy, pořizovat satelitní snímky a považovat problém za vyřešený.
„Nové modely strojového učení jsou dobré jen tak jako data, která se používají k jejich trénování,“ konstatoval. „Nejde o to, aby nahradily tradiční formy měření, jako je sběr dat pomocí průzkumů, ale spíše je doplňovaly.“