چرا گوگل نتوانست دنیاگیری ویروس را پیش‌بینی کند؟
تا این زمان کشورها متفق‌القول واکسن را موثرترین روش برای مقابله با گسترش بیماری می‌دانند. عوامل متعددی در افزایش تعداد مبتلایان به بیماری وجود دارد که با اعمال سیاست‌هایی همچون فاصله‌گذاری اجتماعی و قرنطینه سعی شده با آنها مقابله شود؛ اما کماکان مشخص نیست که دولت‌ها بر پایه چه اطلاعاتی در مورد دو موضوع بسیار مهم یعنی زمان اعلام سراسری برای قرنطینه و اولویت‌بندی برای واکسیناسیون بخشی از جامعه، تصمیم‌گیری می‌کنند. به‌بیان‌دیگر، زمان اعلام محدودیت‌ها و قرنطینه مناطق یا اولویت‌بندی در واکسیناسیون از اقداماتی هستند که به پشتوانه اطلاعات گردآوری و طبقه‌بندی‌شده از منابع گوناگون انجام می‌گیرند. یکی از منابع گردآوری اطلاعات در این زمینه ابزارهای برخط گوگل ترندز (Google Trends) است. این ابزار که در زمان همه‌گیری آنفلوآنزا در ایالات‌متحده آمریکا و دیگر کشورها مورد استفاده قرار گرفت هم‌اکنون، بر اساس اطلاعات جست‌وجو شده جهانی در رابطه با ویروس کرونا اطلاعات ارزشمندی در اختیار استفاده‌کنندگان قرار می‌دهد. با این حال، میزان صحت و درستی اطلاعات و استفاده حداکثری از آن در تصمیم‌گیری‌ها علاوه بر اینکه نیازمند آشنایی و استفاده از ابزارهای دیگری همچون هوش مصنوعی و یادگیری ماشینی است؛ به نظر می‌رسد کماکان نمی‌توان تنها با اتکا به این‌گونه منابع و ابزارهای مرتبط با آنها تصمیمات حاکمیتی مهمی همچون اعلام قرنطینه سراسری یا اولویت‌بندی در واکسیناسیون را در مقطع کنونی اتخاذ کرد.
پیشینه عملکرد گوگل ترندز
بهار سال ۲۰۰۹ شهروندان مکزیک با علائم ناشی از نوع جهش‌یافته‌ای از ویروس با نام آنفلوآنزا نوع A(N۱H۱) مواجه شدند. پس‌ازآن گزارش‌هایی در آمریکا و سپس دیگر کشورها خبر از همه‌گیری ویروس در اقصی‌نقاط دنیا می‌دادند. گوگل موفق شد تا با استفاده از ابزار گوگل ترندز برای آنفلوآنزا (Google Flue Trends) و تجزیه‌وتحلیل مدل‌های برگرفته از بیماری شبه‌‌آنفلوآنزا (Influenza-Like Illness) با تخمینی نسبتا دقیق فراگیری ویروس N۱H۱ در مناطقی از آمریکا و به فاصله زمانی که قابلیت واکنش سریع به مسوولان می‌داد را پیش‌بینی کند. این پیش‌بینی که با استفاده از رفتارشناسی ویروس بر اساس هوش‌مصنوعی و یادگیری ماشینی و مبتنی بر تجزیه‌وتحلیل مِه داده‌ها صورت گرفت، این دیدگاه را که ابزارهای این‌چنینی می‌توانند اطلاعات جمع‌آوری‌شده از بسترهایی همچون جست‌وجوگر گوگل را واکاوی کرده و در کنترل همه‌گیری و دنیاگیری بیماری‌های آتی مورداستفاده جهانی قرار گیرند تقویت کرد. گوگل ترندز (Google Trends) برای آنفلوآنزا ابزاری بود که این شرکت برای واکاوی تعداد جست‌وجوی واژگان خاص در منطقه ویژه جغرافیایی از آن بهره جست. این ابزار که برای مقابله با شیوع آنفلوآنزا مورد استفاده قرار گرفت، با برقراری رابطه میان واژگان جست‌وجو شده و رفتارهای مرتبط با سلامت جست‌وجوکنندگان سعی در کشف روند پیشرفت همه‌گیری در مناطق مختلف جغرافیایی داشت. نتایج پیش‌بینی ابتلا به آنفلوآنزا توسط گوگل ترندز با پیش‌بینی‌های مبتنی بر اطلاعات مراکز مدیریت و پیشگیری بیماری (Centers for Disease Control and Prevention)
مقایسه شده و شواهدی حاکی از این موضوع است که در برخی ایالت‌های آمریکا پیش‌بینی مبتنی بر اطلاعات گوگل ترندز توانسته ده روز تا دو هفته زودتر از اطلاعات مبتنی بر مراکز مدیریت و پیشگیری بیماری، روند ابتلا به بیماری را پیش‌بینی کند. نمودار میزان جست‌وجوی واژگان بر اساس افزایش آنها در یک مقطع یا بازه زمانی امکان‌پذیر است. پس از افزایش تعداد جست‌وجو یک عبارت یا کلمه می‌توان ارزیابی‌های لازم را برای برقراری رابطه میان تکرار کلمات و واژگان و رویدادی خاص انجام داد. همچنین اعمال تغییر در متغیرها براساس معیارهایی همچون: جست‌وجو در میان صفحات وب، جست‌وجوی تصویر در گوگل جست‌وجوی اخبار، جست‌وجوی محصول و جست‌وجو در یوتیوب نیز امکان‌پذیر است.
مناطق نیازمند ارتقا و توسعه
هرچند به طورکلی داده‌کاوی به‌وسیله ابزارهای برخط در میان جوامع روزبه‌روز در حال افزایش بوده و داده‌ها و اطلاعات گردآوری‌شده در این بسترها بسیار ارزشمند هستند؛ اما برخی از نواقص موجود به‌طور خاص مربوط به ابزار گوگل ترندز در فرآیند پیش‌بینی و کنترل گسترش دنیاگیری ویروس کرونا را می‌توان به این شرح بیان کرد: بیش از ۳۰درصد جمعیت جهان تا پایان سال ۲۰۲۰ میلادی به اینترنت دسترسی نداشته‌اند. این موضوع می‌تواند تصمیم‌گیری در پیش‌بینی‌های مبتنی بر اطلاعات آنلاین ابزارهای جست‌وجو همچون گوگل را تحت‌الشعاع قرار دهد. از سوی دیگر، یکی از پیش مولفه‌های مدل‌های تجزیه‌وتحلیل که توسط گوگل ترندز انجام می‌شود این است که هرچند تمامی امور برنامه‌ریزی‌شده، برخط و مستمرا در حال به‌روزرسانی هستند، اما کماکان برای نتیجه‌گیری باید اطلاعات جمع‌آوری‌شده با سایر اطلاعات تاریخی مقایسه شود. از زمان شناسایی اولین مبتلایان به بیماری کروناویروس سندرم حاد تنفسی ۲ (SARS-CoV-۲) کمتر از ۲ سال می‌گذرد، اما کماکان الگوی ثابت و مشخصی برای پیش‌بینی تمامی رفتارهای مرتبط با آن وجود ندارد. در چنین شرایطی تخمین الگوی مشخص برای ویروس‌های ناشناخته یا انواع ویروس‌هایی که مستمرا در حال تغییر رفتار هستند بسیار دشوار خواهد بود.
جایگاه و کاربردهای آتی ابزارهای نوآورانه
هوش مصنوعی توانایی‌های بالقوه بالایی در پیش‌بینی روند همه‌گیری‌های گسترده و تغییرات مرتبط با آن دارد. اتخاذ تصمیمات براساس پیچیدگی فرآیندهای تفکری و شیوه‌های استدلالی در جلوگیری از گسترش همه‌گیری‌ها با درصد خطای پایین از ویژگی‌هایی است که منجر به استفاده از این سیستم در مقابله با روند ابتلا به ویروس آنفلوآنزا در آمریکا شد. توانایی کسب دانش و استدلال برای حل مسائل، یادگیری مستمر و اصلاح اشتباهات از خصایصی است که موجب شده‌اند تا از این ابزار در حوزه‌هایی همچون بهداشت و درمان استفاده شود؛ اما به نظر می‌رسد ابزارهای گوگل به‌تنهایی یا به همراه سایر فناوری‌های نوینی همچون هوش مصنوعی و یادگیری ماشینی نخواسته‌اند عملکرد قابل قبولی نسبت به پیش‌بینی بروز و ادامه روند دنیاگیری کرونا داشته باشند. بنابراین نمی‌توان این ابزارها و منابع اطلاعاتی مربوط به آنها را پشتوانه اصلی تصمیم‌گیری‌های کلان دانست؛ البته داده‌ها و اطلاعات گردآوری شده از این بسترها می‌توانند نقش مکملی ایفا کنند. باید پذیرفت که اطلاعات استخراج شده از ابزاری همچون موتور جست‌وجوگر گوگل به هنگام و جامع بوده و در تصمیم‌گیری‌های اولیه یا برای تصدیق و تکمیل سایر اطلاعات بسیار ارزشمند و کاربردی است.
