Nežinote, kur būsite po 285 dienų 14:00? O mokslininkai jau žino!  (12)

Ar norėtumėte žinoti koks intensyvus bus eismas po trijų savaičių važiuojant prie jūros? O gal norėtumėte žinoti kur kito penktadienio vakarą bus jūsų buvusioji, kad galėtumėte jos išvengti?

Buvęs „Microsoft“, o dabar „Google“ mokslininkas Adamas Sadilekas ir „Microsoft“ vyriausias tyrėjas Johnas Krummas susižavėjo klausimu apie konkrečių asmenų buvimo vietos prognozavimą – jie savo moksliniame darbe „Far Out: Predicting Long-Term Human Mobility“ netgi paskelbė apklausą: „Kur būsite po 285 dienų 14:00?“

Pasak mokslininkų, „Tai atrodo tarsi sudėtinga užduotis. Iš pirmo žvilgsnio“.

A. Sadilekas, J. Krummas ir kiti mokslininkai nemažai dirbo norėdami išsiaiškinti, kur konkretus žmogus bus artimiausioje ateityje – tarkime, po valandos ar dviejų. Gana logiška manyti, kad įvertinus žmogaus ankstesnes buvimo vietas galima pagrįstai prognozuoti ir jo ateities kelionių kryptis. Tačiau šiuos modelius išplėtus iki tolimesnės ateities gaunami vis mažiau ir mažiau patikimi rezultatai. Bent kiek patikimiau numanyti, kur žmogus bus po 20 ar 200 dienų, yra labai sudėtinga. Bet A. Sadilekas ir J. Krummas rankų nenuleido – jie nusprendė, kad tai yra įveikiama užduotis. Tik jai spręsti reikia naujų metodų, rašo fastcompany.com.

Naudodamiesi informacija, kurią jiems rinko 300 savanorių, gyvenančių Sietlo mieste (JAV), mokslininkai sukaupė daugybę vietos duomenų. Tyrime dalyvavę savanoriai gyveno kasdieninį gyvenimą – ėjo į darbą, apsipirkti, pabėgioti, keliaudavo į kitus žemynus – tačiau su savimi visuomet turėjo GPS vietos nustatymo įrenginį (labai panašų į tą, kuris yra bemaž kiekviename išmaniajame telefone). Norėdami dar labiau padidinti tikslumą, mokslininkai GPS imtuvus sumontavo visuomeninio transporto, taksi bei asmeniniuose automobiliuose, kuriais tiriamieji reguliariai naudodavosi. Surinkus 150 mln. geografinės pozicijos taškų, mokslininkai sukūrė sistemą „Far Out“- pirmą pasaulyje programą, kuri prognozuoja ilgalaikį žmogaus judėjimą. Sistemai „Far Out“ netgi nereikia aiškinti ko ieškoti – ji automatiškai nustato bendras duomenų tendencijas.

„Pavyzdžiui, sistema gali pastebėti, kad antradieniai ir ketvirtadieniai paprastai būna vienodi kiekvieną savaitę. Taigi, pateikus užklausą, kur žmogus bus antradienį arba ketvirtadienį toli ateityje gaunama tipinis antradienio/ketvirtadienio prognozė“, - sakė mokslininkai.

A. Sadileką ir J. Krummą rezultatai maloniai nustebino. Pasirodo, kad ir kiek manytume, kad esame spontaniškos asmenybės, iš tiesų mūsų judėjimas yra gana prognozuojamas netgi ilgesniame laikotarpyje. „Far Out“ su dideliu tikslumu prognozavo asmenų buvimo vietas netgi keliems metams į ateitį.

Mokslininkų paklausus, kaip sistema kompensuoja skirtumus, atsirandančius dėl to, kad žmonės kartais keičia darbus, gyvenamąsias vietas ar sutuoktinius, mokslininkai tikino, jog jų modelis prie naujų duomenų adaptuojasi. „jeigu įvyksta staigi permaina, pavyzdžiui, persikraustymas į kitą miestą, sistema pastebi, kad atsiranda nesuderinamumų tarp prognozės ir naujų realių tendencijų. Žmonių gyvenimuose tokių „revoliucinių“ permainų nutinka tik po keletą, taigi, „Far Out“ klysta ganėtinai retai“.

Kol kas „Far Out“ yra griežtai mokslinis projektas, kuris nėra diegiamas į komercinius produktus ar paslaugas.

Ir nors modelio tikslas yra prognozuoti konkrečių asmenų buvimo vietas, mokslininkai tikisi, kad ateityje jį bus galima taikyti ir platesnėms populiacijoms. Taigi, modelis turėtų labai sudominti miestų planuotojus, nes leistų tiksliau prognozuoti ligų plitimą, transporto spūstis ir elektros poreikius.

Žinoma, komercinis sektorius tokios ateitį prognozuojančios sistemos taip pat nepraleis nemačiomis – reklamuotojai tikrai norės jums pranešti kažką panašaus į tokią žinutę: „Ketinate apsikirpti? Po 4 dienų būsite per šimtą metrų nuo grožio salono, kuriame gausite 20 litų nuolaidą“. Galbūt bus sukurtas net ir „Ateities Foursquare“ - kas gi nenorėtų žinoti, kur visą ateinantį gyvenimą bus jų draugai ar priešai?

Aut. teisės: delfi.lt

(14)
(0)
(2)

Komentarai (12)