fbpx Smiley

CHERCHEUR, modèle d'apprentissage de la machine conçue par Google et l'Université de Harvard qui détecte les restaurants avec risques pour la santé

0

L'une des raisons qui attirent le plus les réticences de la population lorsque vous mangez est le manque d'hygiène possible au restaurant visité. Bien que la peur est complètement infondée, car comme nous l'avons vu à maintes reprises en bactériologie tester les cuisines des restaurants, ils sont plus hygiéniques que les ménages, il est compréhensible que les clients se sentent bien, la fin du jour aucun moyen de contrôler que la préparation des aliments est effectué selon les normes de la réglementation en matière de sécurité alimentaire.

Ces préoccupations pourraient disparaître en un instant si la nouvelle technologie développée par les chercheurs de l'entreprise vue sur la montagne et École de santé publique T. H. Chan Université de Harvard est venu au public.

Dans l'étude récente publiée dans la revue NPJ médecine numérique et intitulé comme « épidémiologique d'apprentissage de la machine: détection en temps réel de l'échelle de la maladie d'origine alimentaire ', Adam Sadílek, Ashish Jha et a présenté la société outil de recherche (maladies d'origine alimentaire de détection en temps réel) capable d'utiliser la recherche et la localisation des informations pour avertir des restaurants potentiellement dangereux.

L'auteur correspondant, Ashish Jha, professeur K. T. Li santé mondiale à l'École de santé publique T. H. Chan et directeur de l'Institut pour la santé mondiale à Harvard ont mis en évidence quelques-unes des applications possibles de cette nouvelle avancée technologique. Ceux-ci comprennent, la économies de soins de santé Vous avez obtenu en évitant des milliers d'entrées dans les salles d'urgence des hôpitaux dans le monde (et en particulier aux États-Unis. UU., le développement de l'utilité sur le terrain), et le soutien et soutien apporté aux restaurants et inspecteurs de la santé pour détecter et résoudre plus rapide et plus efficace.

Comment fonctionne le système? très facile. Tout est basé sur la macrodatos ajoutée par les utilisateurs de terminaux mobiles qui permettent d'accéder à leur positionnement par GPS et l'historique des recherches. De cette manière la Logiciel les recherches ultérieures peuvent interpréter la visite d'une locale qui pourrait indiquer que le client a contracté une maladie d'origine alimentaire. Par exemple: « Comment soulager la douleur de l'estomac », « Les effets de la nourriture avariée », « Les médicaments contre la diarrhée ».

discernable entre les coïncidences et Anecdotique tendances significatives, les données se trouvent contraste avec ceux des autres convives. Lorsque vous entrez toutes les informations collectées un modèle commence à émerger, alors vous pouvez vous assurer qu'il ya un problème de santé dans l'objet local d'étude avec un très haut niveau de confiance. La détection est faite avec un précision 85%.

Para medir dicho valor se usaron dos ciudades de EE. UU., Las Vegas y Chicago. FINDER generó una lista de restaurantes que potencialmente podrían estar provocando enfermedades y malestar a los clientes. Dicho listado fue, acto seguido, proporcionado a las autoridades inspectoras competentes, las cuales investigaron 61 casos propuestos por FINDER en la ciudad del estado de Nevada, y 71 en la megápolis de Illinois.

De estos, un 52.3% presentaron deficiencias en materia de salubridad e higiene. Un valor que duplica el promedio en las inspecciones realizadas motu proprio por las agencias de inspección y que sumaron más de 10 000 investigaciones.

FINDER superó con creces las inspecciones motivadas por las quejas de los propios clientes en todos los aspectos: precisión, escala y latencia. La causa de que esto sea así, según los investigadoras que firman el artículo, es que «la gente tiende a culpar el último restaurante que han visitado y de esta manera es probable que se entreguen hojas de reclamación en el restaurante que no es», algo que está adecuadamente documentado en la bibliografía científica preexistente.

El sistema no está libre de limitaciones, una de las más importantes es que el aprendizaje de máquina o machine learning solo presenta información valiosa después de que haya pasado un intervalo de tiempo dilatado, el equivalente al periodo de incubación de los patógenos o de aparición de los primeros síntomas.

En cualquier caso existe una mejora patente respecto a otros sistemas que se apoyan en el minado de datos. Si se compara FINDER con el modelo usado en Chicago, que extrae quejas directamente desde Twitter, el nuevo modelo informático es un 68% más efectivo. Parte de la culpa reside, no obstante, en la red social, que se ha ganado a pulso la mala fama por las quejas y disputas que en ella tienen lugar.

El potencial de la herramienta no se limita únicamente al sector de la restauración, FINDER se podrá adaptar en el futuro para hacer seguimientos muy dispares que sin duda tendrán efectos muy positivos sobre la sociedad. Lo esperamos con ansias.

3.5/5 - (2 votes)

Sobre el autor

Artículo realizado por el equipo de redacción de DiegoCoquillat.com. Cuenta con profesionales tanto en el terreno de la hostelería, gastronomía y turismo, como en de las nuevas tecnologías e innovación.

Suscríbete

Deja un comentario