La notícia que hui vos expliquem, malgrat ser del mes de febrer, és molt important des del punt de vista de l’epidemiologia i la seguretat alimentària. La intel•ligència artificial permet ajudar localitzar, segons els missatges que els clients i els manipuladors d’aliments publiquen a les xarxes socials, on s’ha produït una intoxicació alimentària. Us expliquem la història, succeïda a Las Vegas que no vos deixarà indiferents. 
La notícia que hui vos expliquem, malgrat ser del mes de febrer, és molt important des del punt de vista de l’epidemiologia i la seguretat alimentària. La intel·ligència artificial permet ajudar localitzar, segons els missatges que els clients i els manipuladors d’aliments publiquen a les xarxes socials, on s’ha produït una intoxicació alimentària. Us expliquem la història, succeïda a Las Vegas que no vos deixarà indiferents.
Els investigadors d’informàtica de la Universitat de Rochester han desenvolupat una aplicació per als departaments de salut que utilitza el processament del llenguatge natural i la intel·ligència artificial per identificar els tweets relacionats amb la intoxicació alimentària, connectar-los als restaurants l’ús de geoetiquetat i identificar els probables punts calents, conflictius.
L’equip va presentar els resultats de la seva investigació en la 30º reunió de l’Associació per a l’Avanç de la Intel·ligència Artificial (AAAI) celebrada a Phoenix, Arizona, al febrer. El projecte va ser recolzat per beques de la Fundació Nacional de Ciències, els Instituts Nacionals de Salut i el Centre de Ciència i Tecnologia d’Intel per Pervasive Computing.
L’epidemiologia basada en la ubicació no és res de nou. John Snow, acreditat com el primer epidemiòleg del món, va utilitzar mapes de Londres en 1666 per identificar l’origen de l’epidèmia de còlera que estava arrasant la ciutat i en el procés va descobrir la connexió entre les fonts d’aigua i la malaltia.
No obstant això, els investigadors van mostrar que ara és possible deduir l’origen dels brots usant el contingut publicat en les xarxes socials pel públic. A partir d’aquí entren en joc algoritmes d’aprenentatge profunds entrenats per reconèixer els trets lingüístics associats amb una malaltia, com per exemple, les paraules: “Sento nàusees”.
“No necessitem anar de porta en porta com ho va fer John Snow,” diu Adam Sadilek, un investigador que va treballar en el projecte de la Universitat de Rochester i que ara treballa a Google Research. “Podem utilitzar totes aquestes dades i extreure la informació de forma automàtica.”
El treball presentat en AAAI va descriure la seva recent col·laboració amb el departament de salut de Las Vegas, on els funcionaris utilitzen l’aplicació desenvolupada i anomenada Nemesis, per millorar els protocols d’inspecció de la ciutat.
Normalment, les ciutats (incloent Las Vegas) utilitzen un sistema aleatori per decidir quins restaurants per inspeccionar en qualsevol dia donat. L’equip d’investigació va convèncer als funcionaris de Las Vegas per reemplaçar el seu sistema aleatori amb una llista de possibles llocs d’infecció derivada utilitzant els seus algoritmes intel·ligents.
En un experiment controlat, la meitat de les inspeccions es van realitzar utilitzant l’enfocament a l’atzar i l’altra meitat es van realitzar utilitzant Nemesis, sense que els inspectors sabent que s’havien produït en el sistema.
“Cada matí els treballadors de la ciutat rebíem una llista de llocs on sabíem que alguna cosa estava malament pel que podien fer una inspecció d’aquests restaurants”, va dir Sadilek.
Durant tres mesos, el sistema va escanejar automàticament una mitjana de 16.000 tweets de 3.600 usuaris cada dia. 1.000 dels tweets es referien a un restaurant específic i d’ells, aproximadament 12 contenien contingut que probablement va significar una intoxicació alimentària. Van utilitzar aquests tweets per generar una llista d’ubicacions de més alta prioritat per a les inspeccions.
En analitzar els resultats de l’experiment, es van trobar amb el sistema basat en tuits dut a citacions per violacions de la normativa vigent en matèria de seguretat alimentària un 15 per cent de les inspeccions, en comparació amb el 9 per cent mitjançant el sistema aleatori. Algunes d’inspeccions van acabar en advertència; altres en tancaments.
Els investigadors estimen que aquestes millores en l’eficàcia de les inspeccions van donar lloc a 9.000 incidents menys d’enverinament per aliments i 557 menys l’hospitalització a Las Vegas durant el transcurs de l’estudi.
La qüestió sembla controvertida, us imagineu als inspectors acudint a cada tweet produït en un establiment hostaler? Podria ser mal utilitzat per la competència o generar un augment en les inspeccions, però d’altra banda, forçaria als manipuladors d’aliments a treballar més segur. Per si de cas, el millor és formar-se per treballar.
