کل دنیا در حال تبدیل شدن به یک آزمایشگاه بزرگ است. انسان ها در حال تولید جریان وسیعی از اطلاعات از منابع مختلف در هر ثانیه هستند و این اطلاعات، که پیوسته از شبکه های اجتماعی، جی پی اس موبایل، وای فای، تاریخچه جستجو در اینترنت، ابزارهای پوشیدنی و... به دست می آید، می تواند در جهت رفاه و سلامت اشخاص به کار گرفته شود.
حالا کاملا قابل تصور است که فیسبوک یا گوگل، دو پلتفرم بزرگ با داده های جامعی از اطلاعات رفتاری ما، می توانند به ما کمک کنند که بفهمیم چقدر به سرطان نزدیک شده ایم. مثلا شخصی در شبکه های اجتماعی اش مرتبا از عرق کردن در خواب یا کاهش وزن می گوید، الگوریتم ها تشخیص می دهند که شاید شخص دچار لنفوم شده باشد.
به هر حال بات هایی در حال نوردیدن شبکه های اجتماعی هستند و مرتبا همه اطلاعات را می خوانند و مرور می کنند، این اطلاعات که ما به شبکه های اجتماعی مان می گوییم در واقع گویی برای یک پزشک معالج گفته ایم.
به اشتراک گذاشتن این موضوعات و پیش بینی ها می تواند منجر به بهبود وضعیت سلامت و نجات جان انسان ها شود اما دلایل خوبی وجود دارد که چرا صاحبان داده و صاحبان شبکه های اجتماعی این کار را در حال حاضر انجام نمی دهند. پرسش اصلی اینجا است که آیا خروجی چنین کاری به دردسرهایش نمی ارزد؟
شبکه های اجتماعی می توانند حتی این روزها پیش بینی کنند که کدام کاربر می خواهد خودکشی کند و در راستای آن اقدامی صورت گیرد، بنابراین چرا نتوانند یک بیماری را تشخیص داده و پیش از اینکه بیمار به پزشک مراجعه کند، او را با خبر سازد؟ راه دوری نیست.
تصور کنید فیسبوک حجم عظیمی از اطلاعات بدون هویت را منتشر کرده. اطلاعاتی نظیر محل اقامت شخص، سفرها، لایک ها و دیس لایک ها، فرکانس ارسال پست ها، تمایلات احساسی، تاریخچه وب گردی و مرور صفحات و... و آن ها را در اختیار یک محقق قرار می دهد تا بتواند بر اساس آن ها، یک حالت احساسی و فیزیکی را پیش بینی کند.
با استفاده از یادگیری ماشینی، یک محقق می تواند اطلاعات را در دست گرفته، زبان، نحوه بیان و محتوای آن را پیش و پس از ابتلا به یک بیماری مطالعه کند. الگوی به دست آمده را در کنار داده های جدید قرار می دهند و با استفاده از آنچه که سیستم پیشتر آموخته، تشخیص می دهد که کاربر دوم (یا در حقیقت مجموع کاربران تحت مطالعه) چه زمانی ممکن است به بیماری مبتلا شود.
و فقط بحث بر سر پست ها و توییت های مهم نیست که در آن اسمی از عارضه ای آمده باشد. یک سری اطلاعات که شاید بی اهمیت هم باشند، مثل تماشای یک مستند در مورد بی خوابی، یا خرید قرصی مخصوص برای درمان یک مشکل، می تواند هر چه بیشتر و بیشتر به یادگیری ماشینی کمک کرده و سیستم را آگاه تر سازد.
در حقیقت یکی از دلایلی که شرکت Litmus Health تاسیس شده همین است. این شرکت در زمینه داده های علمی فعالیت دارد و هدف از شکل گیری آن جمع آوری، سازماندهی و آنالیز اطلاعات است تا با استفاده از آن ها، نه برای یک شخص بلکه برای یک جامعه بتوانند نسخه های کلی بپیچند و مشکلات را در سطح کلان حل کنند. با این حال، در سراسر دنیا چنین فعالیت هایی نیازمند توجه ویژه قانون گذاران، اخلاق مداران و متخصصین حوزه های مرتبط است.
از منظر تنظیم مقررات، همه شرکت ها باید از اطلاعات کاربرانشان دفاع کنند و حق به اشتراک گذاشتن آن ها با کسی را ندارند. متاسفانه، در طی سال های اخیر ثابت شده که قوانین و شرایط استفاده از سرویس ها که عمدتا کسی آن ها را نمی خواند و بدون آگاهی همه آن را امضا می کنند، بسیار پیچیده است.
کمپانی ها باید یک رویه اخلاقی در پیش بگیرند که در دست داشتن این اطلاعات هیچ آسیبی وارد نمی سازد و به کاربر تعهد دهند که جز به سلامت خودشان و دیگر انسان ها، این اطلاعات در هیچ راه نادرستی مورد استفاده قرار نمی گیرد.
یک چارچوب اخلاقی باید تمامی جوانب نظیر هویت، حریم شخصی، مالکیت داده و میزان شهرت شخص را در نظر بگیرد. اکثر شرکت ها امروز برای تحقیقات خود بدون کسب اجازه از بیمار و یا کاربر خود، اطلاعات را برای تحقیقاتی جامع به کار می گیرند در صورتی که کسب رضایت از شخص کاملا بدیهی و لازم است.
اگر شرکت ها می خواهند اطلاعات من و شما را جمع کنند و روی آن تحقیقات علمی انجام دهند، باید برای ما کاملا روشن کنند که داده ها را چطور جمع کرده اند، کجا مورد استفاده قرار می دهند و کجا به اشتراک می گذارند.
مثلا، یک شبکه اجتماعی الگوریتیم دارد که می تواند فعالیت های کاربر را آنالیز کند. اینکه یک کاربر در مورد چه چیزهایی مرتبا شکایت می کند، چه مقالاتی را به اشتراک می گذارد و کدام پست ها را لایک می کنند و کدام ها را نه. بر اساس همین موارد، هوش مصنوعی می تواند الگویی برای سلامت وی ارائه دهد.
حالا تصور کنید که نه یک شخص و نه صرفا یک شبکه اجتماعی وجود دارد. همه داده های موجود در همه شبکه های اجتماعی روی همه دیوایس ها، از موبایل و تبلت گرفته تا سنسورهای مختلف گوشه و کنار خانه و دستبندهای سلامتی. جریان این داده ها وارد سیستم می شود و هوش مصنوعی بهتر و دقیق تر تحلیل می کند.
تحلیلی که با پیش بینی همراه است. در حقیقت می تواند پیش بینی کند که با ادامه همین رویه در تغذیه و بروز مشکلات متعدد جسمی، چه زمانی یک شخص به بیماری حادتری دچار می شود. و همین جا است که می گویند پیشگیری بهتر از درمان است.
کاربران اگر آگاهی کاملی نداشته باشند، بیماری خود را جدی نگرفته و پیگیر آن نمی شوند اما اگر چنین سیستمی وجود داشته باشد هر شخصی می تواند با استفاده از داده های مرسومی که هر روز به شبکه های اجتماعی و گجت هایش می دهد، پزشک خودش باشد و جلوی هزینه های هنگفت سیستم درمان را بگیرد.
مردم، کمپانی ها و سازمان هایی که داده ها را خصوصی نگه می دارند، وظیفه خطیری بر دوش دارند. اگر قرار است از این داده ها برای درمان بیماری ها و مشکلات روحی و جسمی استفاده شود، همه باید مشارکت کنند و سهم خود را در این اتفاق به عهده بگیرند.
موانع تکنیکی، اخلاقی و قانونی بسیارند اما فرصت برای بهبود زندگی و سلامت جامعه در صورت امکان پذیر بودن چنین اتفاقی نیز بسیار زیاد خواهد بود.
- 19
- 2
