برای درک این موضوع که چطور ممکن است از این سرویس در سطح اشخاص استفاده شود، سدلیک و همکارانش حدود چهار و نیم میلیون توئیت با تگ داده‌های مربوط به موقعیت چی‌پی‌اس ششصد و سی هزار کاربر در نیویورک را در یک ماه از سال 2010 میلادی مورد بررسی قرار داده‌اند. آنها یک الگوریتم یادگیری ماشین را برای تشخیص تفاوت بین توئیت‌های ارسال شده توسط افراد سالم و بیماران مبتلا به آنفولانزا، آموزش دادند و در انتها توانستند با صحت نود درصدی و حدود هشت روز قبل از بروز نشانه‌های بیماری، پیش‌بینی کنند که چه زمانی احتمال دارد افراد سالم مریض شوند و بعد در مورد آن توئیت کنند.

ناگفته نماند که این سیستم از جهات مختلفی محدودیت دارد. به طور مثال، در خیلی از موارد بیماری، ضعیف عمل می‌کند به این دلیل که احتمال دارد افراد به درستی در مورد نشانه‌های بیماری خود در شبکه‌های اجتماعی مثل توئیتر صحبت نکنند و همینطور اینکه دلایل مختلفی می‌تواند برای بیمار شدن یک فرد وجود داشته باشد و ارتباط با افراد مریض تنها دلیل مریض شدن آنها نیست.

سدلیک هفته‌ی گذشته در کنفرانس هوش مصنوعی در تورنتو، کانادا، خیلی از این فاکتورها را طی مصاحبه‌ای با نیوساینتیت در میان گذاشت. در این کنفرانس، تیم تحقیقاتی مذکور اعلام کردند که با تحلیل داده‌های مربوط به توئیت‌ها به این نتیجه‌ی از قبل اثبات شده رسیده‌اند که افرادی که مرتب ورزش می‌کنند، کمتر احتمال دارد دچار بیماری شوند. نتیجه‌ی دیگر هم این بود که افراد با شرایط اقتصادی-اجتماعی سطح پائین، بیشتر در معرض بیماری قرار می‌گیرند.‌

چنین اطلاعاتی می‌تواند روزی برای تولید اپلیکیشنی برای اسمارت فون شما به کار گرفته شود، تا زمانی که شما وارد مکانی می‌شوید که افراد زیادی در آن مبتلا به آنفولانزا هستند به شما هشدار دهد، و یا وقتی بعد از یک روز طولانی به خانه بر می‌گردید، اسمارت فون شما بگوید که برای چند روز بعدی منتظر شروع بیماری خود باشید.

برای مشاهده مجله اینجا کلیک کنید