Görögország egyik legfontosabb bevételi forrása a turizmus. Tavaly nyáron az iparág beindításához meg kellett oldani, hogy minimalizálják a külföldiek beutazással járó egészségügyi kockázatokat, azaz nagy biztonsággal ki kellett szűrni a beutazók közül a tünetmentes fertőzötteket. Csakhogy erre korlátozott erőforrások álltak rendelkezésre. Nyilvánvaló volt, hogy minden Görögországba igyekvő turistát nem lehet tesztelni, ezért lényegében nem maradt más eszközük a görög egészségügyi hatóságoknak, mint hogy szúrópróbaszerűen kiválasztott embereket ellenőriztek. De aztán jött a mesterséges intelligencia (MI), hogy némileg irányítsa a véletlent.

Az Eva becenévre hallgató szoftver, melyet megerősítő tanulással képzetek, speciális multi-armed bandit algoritmusokat használt a tesztelendők kiválasztására (a nyerőgépekről elnevezett matematikai problémáról itt olvashat összefoglalót). De nem csak kiválasztott, hanem olyan naprakész statisztikákat is készített, amelyből az egészségügyi hatóságok következtethettek a külföldön megjelenő fertőzési gócpontokra. (A szoftver egyébként nyílt forráskódú, a forrás letölthető a GitHubról.)

A friss adatok alapján döntött

A beutazóknak ki kellett tölteniük egy rövid kérdőívet (mely ország mely régiójából érkeztek, életkor, nem), és ezek alapján Eva eldöntötte, hogy le kell-e tesztelni őket. A szezon csúcsán kb. 40 belépési ponton napi 30-55 ezer kérdőívet dolgozott fel, az utasok kb. 10-20 százalékát küldte tesztre.

Minden teszteredményt visszatápláltak a szoftverbe: ezek voltak azok a visszajelzések, melyekből tanult, és folyamatosan javította a pontosságát. A dolog nem triviális, el kellett érni ugyanis, hogy a szoftver ne csak olyan egyszerű logikával dolgozzon, hogy ha az indulás helye Bécs, akkor tesztelni kell. A görögök olyan szoftvert szerettek volna, ami akkor is jelzi a kockázatot (és ezért javasolja a tesztelést), ha ritkán felbukkanó utastípussal találkozik.

A szoftver tanításához nem használták az egyes országok hatóságainak statisztikáit, mert azok sokszor pontatlanok voltak (vagy a politikusok eleve igyekeztek kisebbnek beállítani a fertőzés terjedését).

Mint az amerikai-görög fejlesztőcsapat írja a Nature-ben publikált cikkében, a szoftver először is próbálja maximalizálni az azonosított tünetmentes fertőzötteket, másodsorban tesztelésre sorol be olyan csoportba tartozó beutazókat, amelyekről nincsenek megfelelő adatai a fertőzöttség valószínűségét illetően.

Kevesebb teszttel is pontosabb

Az MI átlagosan 1,85-szor annyi tünetmentes fertőzöttet szűrt ki, mint a korábban a szúrópróba alapján történő tesztelés, az utazási csúcsoknál sokszor 2-4-szer annyit is. Ahhoz, hogy a véletlenszerű tesztelés hozza ezt a hatékonyságot, 85 százalékkal több tesztet kellett volna elvégezni. A járványügyi adatokra támaszkodó szűrésnél 1,25-1,45-szor volt hatékonyabb az MI, ráadásul azt is nagy pontossággal jelezte előre, hogy mely országokban várható a fertőzöttek számának az emelkedése. Az előrejelzések alapján egyes országokból csak friss negatív teszt után lehetett belépni Görögországba. Eva egyébként elég pontosan jelezte a veszély növekedését: az adott országban néhány héttel később rendre elkezdett emelkedni az azonosított fertőzöttek száma.

A tavaly augusztus elejétől 40 belépési ponton használt szoftvert novemberben, a turisztikai szezon végén leállították. Az utasszám annyira lecsökkent, és túl kevés volt az adat a szoftver tudásának naprakészen tartásához.

A módszer nem tökéletes, mondták a kutatók a The Registernek. Eva esetében azonban nem volt relevanciája sem a pontosságnak (felismeri-e, hogy valaki fertőzött), sem a fals pozitív és fals negatív eredményeknek. A cél csupán az volt, hogy segítsen, milyen típusú utasokat és hányat teszteljenek. Az MI jobban teljesítene, ha több paraméter alapján dönthetne, de a magánélet védelme és az orvosi adatokra vonatkozó szigorú szabályok korlátozták a fejlesztők lehetőségeit.

A csapat szeretné tökéletesíteni a programot, hogy azt más országok is felhasználhassák. Akár vállalatoknál, egyetemeken és iskolákban is lehetne vele szűrni a fertőzésgyanús eseteket járvány idején.