ကပ်ရောဂါကို တိုက်ဖျက်ရာတွင် မည်မျှကြီးမားသော အချက်အလက်က ကူညီနေသနည်း။

Big Data ခွဲခြမ်းစိတ်ဖြာခြင်းသည် ကိုရိုနာဗိုင်းရပ်ကို အနိုင်ယူရန် မည်သို့ကူညီနိုင်သနည်း၊ စက်သင်ယူမှုနည်းပညာများသည် ကျွန်ုပ်တို့အား ဒေတာပမာဏများစွာကို ခွဲခြမ်းစိတ်ဖြာရန် မည်သို့ခွင့်ပြုနိုင်သနည်း။ ဤမေးခွန်းများအတွက် အဖြေများကို Industry 4.0 Youtube ချန်နယ်မှ စီစဉ်သူ Nikolai Dubinin မှ ရှာဖွေလျက်ရှိသည်။

ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်းသည် ဗိုင်းရပ်စ်ပျံ့နှံ့မှုကို ခြေရာခံရန်နှင့် ကပ်ရောဂါကို အနိုင်ယူရန် အစွမ်းထက်ဆုံးနည်းလမ်းများထဲမှ တစ်ခုဖြစ်သည်။ လွန်ခဲ့သောနှစ်ပေါင်း 160 တွင် ဒေတာစုဆောင်းရန်နှင့် လျင်မြန်စွာခွဲခြမ်းစိတ်ဖြာရန် မည်မျှအရေးကြီးကြောင်း ရှင်းရှင်းလင်းလင်းပြသခဲ့သည့် ပုံပြင်တစ်ပုဒ် ဖြစ်ပျက်ခဲ့သည်။

မော်စကိုနှင့်မော်စကိုဒေသတွင် coronavirus ပျံ့နှံ့မှုမြေပုံ။

အားလုံးဘယ်လိုစတင်ခဲ့တာလဲ 1854 ခုနှစ်တွင် လန်ဒန်၏ Soho ဧရိယာတွင် ကာလဝမ်းရောဂါ ဖြစ်ပွားခဲ့သည်။ ဆယ်ရက်အတွင်း လူ ၅၀၀ သေဆုံးသည်။ ရောဂါပြန့်ပွားမှု၏ အရင်းအမြစ်ကို မည်သူမျှ နားမလည်ပါ။ ထိုအချိန်တွင် ကျန်းမာရေးနှင့် မညီညွတ်သောလေကို ရှူရှိုက်မိခြင်းကြောင့် ရောဂါကူးစက်နိုင်သည်ဟု ယုံကြည်ခဲ့ကြသည်။ ခေတ်မီကူးစက်ရောဂါဗေဒကို စတင်တည်ထောင်သူ တစ်ဦးဖြစ်လာသော ဆရာဝန် ဂျွန်စနိုးသည် အရာအားလုံးကို ပြောင်းလဲစေခဲ့သည်။ သူသည် ဒေသခံများကို စတင်တွေ့ဆုံမေးမြန်းပြီး ရောဂါဖြစ်ပွားမှုအားလုံးကို မြေပုံပေါ်တွင် တင်ထားသည်။ စာရင်းဇယားများအရ သေဆုံးသူအများစုသည် Broad Street standpipe အနီးတွင်ရှိကြောင်း သိရသည်။ လေမဟုတ်သော်လည်း မိလ္လာမှ အဆိပ်ရှိသော ရေသည် ကပ်ရောဂါကို ဖြစ်စေသည်။

Tectonix ၏ဝန်ဆောင်မှုသည် မိုင်ယာမီရှိ ကမ်းခြေတစ်ခု၏နမူနာကိုအသုံးပြု၍ လူစုလူဝေးကူးစက်ပျံ့နှံ့မှုကို မည်သို့အကျိုးသက်ရောက်နိုင်သည်ကိုပြသသည်။ မြေပုံတွင် စမတ်ဖုန်းများနှင့် တက်ဘလက်များမှလာသော နေရာဒေသအလိုက် အမည်မသိဒေတာ သန်းပေါင်းများစွာ ပါဝင်ပါသည်။

ဧပြီလ 15 ရက်နေ့တွင် မော်စကိုမြို့မထရိုတွင် ယာဉ်ကြောပိတ်ဆို့မှုဖြစ်ပြီးနောက် ကျွန်ုပ်တို့နိုင်ငံတစ်ဝှမ်းတွင် ကိုရိုနာဗိုင်းရပ်ပျံ့နှံ့မှု မည်မျှမြန်သည်ကို ယခုမြင်ယောင်ကြည့်ပါ။ ထို့နောက် ရဲတပ်ဖွဲ့သည် မြေအောက်ရထားမှဆင်းသူတိုင်း၏ ဒစ်ဂျစ်တယ်လက်မှတ်ကို စစ်ဆေးခဲ့သည်။

စနစ်သည် ၎င်းတို့၏ အတည်ပြုခြင်းကို မဆောင်ရွက်နိုင်ပါက ဒစ်ဂျစ်တယ်ဖြတ်သန်းခွင့်များ အဘယ်ကြောင့် လိုအပ်သနည်း။ စောင့်ကြည့်ကင်မရာတွေလည်း ရှိတယ်။

Yandex မှနည်းပညာဖြန့်ဝေရေးဒါရိုက်တာ Grigory Bakunov ၏အဆိုအရယနေ့လုပ်ဆောင်နေသောမျက်နှာမှတ်မိခြင်းစနစ်သည် 20 ကိုအသိအမှတ်ပြုသည်။ကွန်ပြူတာတစ်ခုတည်းတွင် -30 fps ။ ၁၀ ဒေါ်လာခန့် ကုန်ကျသည်။ တစ်ချိန်တည်းမှာပင်၊ မော်စကိုတွင်ကင်မရာအလုံး ၂၀၀ ရှိသည်။ ၎င်းကို real mode တွင်အလုပ်လုပ်စေရန်၊ သင်သည်ကွန်ပျူတာအလုံးရေ 10 ခန့်ကိုတပ်ဆင်ရန်လိုအပ်သည်။ အဲဒီ့မြို့မှာ ပိုက်ဆံမရှိဘူး။

တစ်ချိန်တည်းမှာပင်၊ မတ်လ ၁၅ ရက်နေ့တွင် တောင်ကိုးရီးယားတွင် အော့ဖ်လိုင်းပါလီမန် ရွေးကောက်ပွဲများ ကျင်းပခဲ့သည်။ လွန်ခဲ့သည့် ဆယ့်ခြောက်နှစ်တာကာလအတွင်း မဲပေးသူသည် စံချိန်တင် - 15% ဖြစ်သည်။ လူစည်ကားတဲ့နေရာတွေကို ဘာကြောင့် မကြောက်ကြတာလဲ။

တောင်ကိုရီးယားသည် နိုင်ငံအတွင်း ကပ်ရောဂါ၏ ဖွံ့ဖြိုးတိုးတက်မှုကို နောက်ပြန်ဆုတ်နိုင်ခဲ့သည်။ ၎င်းတို့တွင် အလားတူ အတွေ့အကြုံမျိုး ရှိထားပြီးဖြစ်သည်- 2015 နှင့် 2018 တို့တွင် နိုင်ငံအတွင်း MERS ဗိုင်းရပ်စ် ဖြစ်ပွားမှုများ ရှိခဲ့သည်။ 2018 တွင် ၎င်းတို့သည် လွန်ခဲ့သော သုံးနှစ်က ၎င်းတို့၏အမှားများကို ထည့်သွင်းစဉ်းစားခဲ့သည်။ ယခုတစ်ကြိမ်တွင် အာဏာပိုင်များသည် အထူးသဖြင့် ပြတ်ပြတ်သားသား လုပ်ဆောင်ပြီး အချက်အလက်ကြီးများနှင့် ချိတ်ဆက်လုပ်ဆောင်ခဲ့သည်။

လူနာများ၏ လှုပ်ရှားမှုများကို စောင့်ကြည့်ခဲ့သည်-

  • စောင့်ကြည့်ကင်မရာများမှ မှတ်တမ်းများ

  • အကြွေးဝယ်ကတ် အရောင်းအဝယ်များ

  • နိုင်ငံသားများ၏ကားများမှ GPS ဒေတာ

  • မိုဘိုင်းဖုန်းများ

Quarantine တွင်နေထိုင်သူများသည်အာဏာပိုင်များအားချိုးဖောက်သူများအားသတိပေးသည့်အထူးအပလီကေးရှင်းကိုထည့်သွင်းရမည်ဖြစ်သည်။ လှုပ်ရှားမှုအားလုံးကို တစ်မိနစ်အထိ တိကျစွာမြင်နိုင်သည့်အပြင် လူများ နှာခေါင်းစည်းတပ်ထားခြင်း ရှိမရှိကိုလည်း သိရှိနိုင်သည်။

ဖောက်ဖျက်မှုအတွက် ဒဏ်ငွေ ကျပ် ၂,၅ဝဝ အထိ ချမှတ်ခဲ့သည်။ တူညီသောအပလီကေးရှင်းသည် ရောဂါပိုးရှိသူ သို့မဟုတ် အနီးနားတွင် လူများရှိနေပါက သုံးစွဲသူအား အသိပေးသည်။ ဤအရာအားလုံးသည် အစုလိုက်အပြုံလိုက် စမ်းသပ်ခြင်းနှင့် အပြိုင်ဖြစ်သည်။ နိုင်ငံအတွင်း နေ့စဉ် စစ်ဆေးမှုပေါင်း ၂၀ အထိ ပြုလုပ်ခဲ့သည်။ ကိုရိုနာဗိုင်းရပ်စစ်ဆေးခြင်းအတွက်သာ ရည်ရွယ်ထားသော စင်တာ 2,5 ခုကို တည်ထောင်ထားသည်။ သင့်ကားကို ချန်ထားစရာမလိုဘဲ စမ်းသပ်စစ်ဆေးနိုင်သည့် ကားပါကင်နေရာများတွင် ဘူတာရုံ 20 လည်းရှိသည်။

သို့သော် N+1 သိပ္ပံပေါ်တယ်ကို ဖန်တီးသူ Andrey Konyaev သည် သိပ္ပံဂျာနယ်လစ်အဖြစ် မှန်မှန်ကန်ကန် မှတ်ချက်ချသည်။ ကပ်ရောဂါလွန်သွားသော်လည်း ကိုယ်ရေးကိုယ်တာအချက်အလက်များ ကျန်ရှိနေမည်ဖြစ်သည်။ ပြည်နယ်နှင့် ကော်ပိုရေးရှင်းများသည် သုံးစွဲသူများ၏ အပြုအမူကို ခြေရာခံနိုင်မည်ဖြစ်သည်။

နောက်ဆုံးပေါ်အချက်အလက်များအရ ကိုရိုနာဗိုင်းရပ်သည် ကျွန်ုပ်တို့ထင်ထားသည်ထက် ပိုမိုကူးစက်နိုင်ခဲ့သည်။ ဒါက တရုတ်သိပ္ပံပညာရှင်တွေရဲ့ တရားဝင်လေ့လာမှုတစ်ခုပါ။ COVID-19 သည် ယခင်က ထင်ထားသည့်အတိုင်း လူတစ်ဦးမှ ငါးဦး သို့မဟုတ် ခြောက်ဦးသို့ ကူးစက်နိုင်သော်လည်း ယခင်က ထင်ထားသည့်အတိုင်း နှစ်ဦး သို့မဟုတ် သုံးဦးအထိ ကူးစက်နိုင်သည်ကို သိရှိလာခဲ့သည်။

တုပ်ကွေးကူးစက်မှုနှုန်းက 1.3 ဖြစ်ပါတယ်။ ဆိုလိုတာက နာမကျန်းသူတစ်ယောက်က လူတစ်ဦး ဒါမှမဟုတ် နှစ်ယောက်ကို ကူးစက်တယ်။ ကိုရိုနာဗိုင်းရပ်စ်ကူးစက်မှု၏ ကနဦးကိန်းဂဏန်းမှာ 5.7 ဖြစ်သည်။ တုပ်ကွေးကြောင့် သေဆုံးမှုမှာ 0.1% ၊ coronavirus မှ 1-3% ဖြစ်သည်။

အချက်အလက်များကို ဧပြီလဆန်းပိုင်းမှ စတင်တင်ပြခဲ့ပါသည်။ လူကို ကိုရိုနာဗိုင်းရပ်ပိုးမစစ်ဆေးခြင်း သို့မဟုတ် ရောဂါလက္ခဏာမပြသောကြောင့် ရောဂါများစွာကို ရောဂါလက္ခဏာမပြနိုင်ပါ။ ထို့ကြောင့် ယခုအချိန်တွင် ကိန်းဂဏန်းများနှင့် ပတ်သက်၍ ကောက်ချက်ဆွဲရန် မဖြစ်နိုင်ပေ။

စက်သင်ယူမှုနည်းပညာများသည် ဒေတာအများအပြားကို ခွဲခြမ်းစိတ်ဖြာရာတွင် အကောင်းဆုံးဖြစ်ပြီး လှုပ်ရှားမှုများ၊ အဆက်အသွယ်များကို ခြေရာခံရုံသာမက-

  • ကိုရိုနာဗိုင်းရပ်စ်ကို ရောဂါရှာဖွေပါ။

  • ဆေးရှာပါ။

  • ကာကွယ်ဆေးကိုရှာပါ။

ကုမ္ပဏီများစွာသည် ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့်မဟုတ်ဘဲ၊ ဥပမာအားဖြင့် အဆုတ်ကို X-ray သို့မဟုတ် CT စကင်န်ဖြင့် အလိုအလျောက်သိရှိနိုင်စေမည့် ဉာဏ်ရည်တုကို အခြေခံ၍ အဆင်သင့်လုပ်ထားသော ဖြေရှင်းချက်များကို ကြေညာသည်။ ထို့ကြောင့်၊ ဆရာဝန်သည် အဆိုးရွားဆုံးသောကိစ္စများတွင် ချက်ချင်းစတင်လုပ်ဆောင်သည်။

သို့သော် ဥာဏ်ရည်တုတိုင်းတွင် လုံလောက်သောဉာဏ်ရည်မရှိပါ။ မတ်လကုန်တွင်၊ မီဒီယာသည် ၉၇% အထိတိကျသော algorithm အသစ်တစ်ခုသည် အဆုတ်ဓာတ်မှန်ဖြင့် coronavirus ကိုဆုံးဖြတ်နိုင်သည်ဟုသတင်းဖြန့်သည်။ သို့သော်၊ အာရုံကြောကွန်ရက်ကို ဓာတ်ပုံ ၅၀ သာ လေ့ကျင့်ပေးထားကြောင်း တွေ့ရှိရသည်။ ၎င်းသည် ရောဂါကို စတင်သိရှိရန် လိုအပ်သည်ထက် ဓာတ်ပုံ 50 ပုံခန့် ပိုနည်းသည်။

Google ၏ မိခင်ကုမ္ပဏီ Alphabet ၏ ဌာနခွဲဖြစ်သော DeepMind သည် AI ကို အသုံးပြု၍ ဗိုင်းရပ်စ်၏ ပရိုတင်းဖွဲ့စည်းပုံအား လုံးလုံးလျားလျား ပြန်လည်ဖန်တီးလိုသည်။ မတ်လအစောပိုင်းတွင် DeepMind မှ၎င်း၏သိပ္ပံပညာရှင်များသည် COVID-19 နှင့်ဆက်စပ်သောပရိုတင်းများ၏ဖွဲ့စည်းပုံကိုနားလည်သဘောပေါက်လာပြီဖြစ်ကြောင်းပြောကြားခဲ့သည်။ ၎င်းသည် ဗိုင်းရပ်စ်၏လုပ်ဆောင်ချက်ကို နားလည်ရန်နှင့် ကုသရန်ရှာဖွေမှုကို အရှိန်မြှင့်ရန် ကူညီပေးပါမည်။

ခေါင်းစဉ်နဲ့ ပတ်သက်ပြီး နောက်ထပ်ဘာတွေဖတ်ရမလဲ။

  • နည်းပညာသည် ကပ်ရောဂါများကို မည်သို့ကြိုတင်ခန့်မှန်းသနည်း။
  • မော်စကိုရှိအခြား coronavirus မြေပုံ
  • အာရုံကြောကွန်ရက်များက ကျွန်ုပ်တို့ကို မည်သို့ခြေရာခံသနည်း။
  • ကိုရိုနာဗိုင်းရပ်လွန်ကမ္ဘာ- ကျွန်ုပ်တို့သည် စိုးရိမ်သောကနှင့် စိတ်ဓာတ်ကျသော ကပ်ရောဂါကို ရင်ဆိုင်ရမည်လား။

Yandex.Zen — နည်းပညာ၊ ဆန်းသစ်တီထွင်မှု၊ စီးပွားရေး၊ ပညာရေးနှင့် ချန်နယ်တစ်ခုတွင် မျှဝေခြင်းဖြင့် ကျွန်ုပ်တို့ကို စာရင်းသွင်းပြီး လိုက်နာပါ။

တစ်ဦးစာပြန်ရန် Leave