您的位置: 首页/今日焦点/检测不安全餐厅哪个更准 机器胜过人工?

检测不安全餐厅哪个更准 机器胜过人工?

Nov 8, 2018, 10:46 AM

  【侨报记者凯森11月7日洛杉矶报道】一项新出炉的研究显示,与消费者投诉和日常检查相比,采用谷歌数据的一项机器学习新技术能更准确敌识别潜在不安全餐厅。

  据合众国际社报道,哈佛陈氏公共卫生学院的研究人员与谷歌合作,在一个名为FINDER的系统中开发出了搜索和定位数据。

  在这项近日发表在《NPJ数字医学》杂志上研究中,研究人员指出,他们的新技术方法可比基于消费者投诉或人工例行检查来确定疫情的做法更快地发现卫生问题。

  该研究报告作者、哈佛全球卫生研究所主任阿西施·杰哈(Ashish Jha)博士在一份新闻稿中表示,“食源性疾病很常见,且给公共卫生带来了巨额费用,每年都有成千上万的美国人因此住进急诊室,而这项由谷歌主导开发的新技术可帮助餐馆和地方卫生部门在问题变得更严重前更快地发现问题。”

  谷歌研究人员还联手哈佛大学在芝加哥和拉斯维加斯针对这项新开发的机器学习技术进行了测试。

  在这两个城市,卫生部门都收到了一份餐馆名单,该名单被机器学习技术确定为潜在的食源性疾病来源,卫生官员随后也检查了这些餐厅。结果显示,机器学习技术判断出的不安全餐厅准确率是基于传统投诉和检查手段的1.68倍。

  比如在芝加哥,该技术模型在2016年11月至2017年3月间进行了71次检查,不安全核实率为52.1%,而在基于投诉的检查系统中,不安全核实率仅为39.4%。

  研究人员指出,虽然芝加哥已采用了社交媒体挖掘技术,但这个新模型在查找食品安全违规行为方面则更加精确。

  谷歌高级研究科学家叶夫根·加布里洛维奇(Evgeniy Gabrilovich)对此表示,“在这项研究中,我们仅触及了机器学习流行病学领域可能出现的问题的表面,我把这一研究比作现代流行病学之父约翰·斯诺博士所从事的工作,他于1854年在伦敦市中心挨家挨户地询问人们从哪里取水来寻找霍乱爆发的来源。”

  他指出,现代人们可以使用在线数据近乎实时地进行流行病学观察,因此有望及时、并以低成本来大幅改善公共卫生状况。

本文版权属“纽约侨报”所有,转载请注明“来源:纽约侨报网”。违反上述声明者,我们将追究其相关法律责任。

评论

关于侨报| 报纸广告| 数字广告| 免责声明| 版权声明| 联系我们| 意见建议| 网站地图| WAP版