GraphTempo: Το ερευνητικό κέντρο το οποίο ψάχνει την απάντηση για το αν μπορούμε να προβλέψουμε το μέλλον σε έναν κόσμο που όλα είναι συνδεδεμένα
Ζούμε σε έναν κόσμο που όλα είναι συνδεδεμένα. Οι άνθρωποι συνδέονται μεταξύ τους μέσω κοινωνικών δικτύων, οι πόλεις συνδέονται μεταξύ τους μέσω οδικών δικτύων, οι πρωτεΐνες και τα γονίδια μέσω βιολογικών δικτύων ακόμα και οι νευρώνες στον εγκέφαλο συνδέονται μεταξύ τους μέσω νευρωνικών δικτύων. Και είναι ακριβώς οι αλληλεπιδράσεις, οι εξαρτήσεις, οι συνεργασίες και η επικοινωνία μέσω αυτών των συνδέσεων που καθορίζουν σε μεγάλο βαθμό τις ιδιότητες και τη συμπεριφορά των οντοτήτων που συνδέουν.
Στο επιδραστικό τους βιβλίο «Connected», o Nicholas Christakis και ο James Fowler εξηγούν πως η ευτυχία αλλά και η παχυσαρκία μπορούν να μεταδοθούν στους ανθρώπους μέσω των επαφών τους σε ένα κοινωνικό δίκτυο. Στο διεπιστημονικό τους βιβλίο «Networks, Crowds, andMarkets: ReasoningaboutaHighlyConnectedWorld», ο DavidEasle και ο JonKleinberg τονίζουν πως στον διασυνδεδεμένο κόσμο μας δε μπορούμε να κατανοήσουμε οποιαδήποτε ατομική ενέργεια χωρίς να αναλογιστούμε την αντίδραση των άλλων.
Είναι λοιπόν, οι συνδέσεις μας αυτό που μας καθορίζει. Μπορούμε να χρησιμοποιήσουμε αυτές τις συνδέσεις, δηλαδή το δίκτυο, για να μάθουμε από το παρελθόν και να προβλέψουμε το μέλλον; Το ερευνητικό έργο GraphTempo επιχειρεί να απαντήσει σε αυτό ακριβώς το εύλογο ερώτημα.
Τα δίκτυα είναι δυναμικά και εξελίσσονται στο χρόνο. Χρησιμοποιώντας σύγχρονες τεχνικές αποθήκευσης, το έργο προτείνει έναν αποδοτικό τρόπο καταγραφής όλης της πληροφορίας του ιστορικού της εξέλιξης ενός δικτύου, όπως πότε δημιουργήθηκε μια σύνδεση και πως άλλαξαν τα χαρακτηριστικά της στο χρόνο. Στη συνέχεια, αναπτύσσονται αλγόριθμοι και τεχνικές για τον εντοπισμό χρήσιμης πληροφορίας στο ιστορικό της εξέλιξης ενός δικτύου όπως επαναλαμβανόμενα μοτίβα ή παράξενες συμπεριφορές.
Για παράδειγμα, μελετώντας το ιστορικό επιστημονικών συνεργασιών μπορεί κανείς να εντοπίσει περιόδους μεγάλης συρρίκνωσης συνεργασιών μεταξύ γυναικών σε μια συγκεκριμένη επιστημονική περιοχή και να εξηγήσει τους λόγους αυτής της συρρίκνωσης. Μια άλλη ενδιαφέρουσα μελέτη περίπτωσης εντόπισε περιόδους έντονης κοινωνικότητας ανάμεσα σε συγκεκριμένες ομάδες μαθητών ενός δημοτικού σχολείου. Η πληροφορία αυτή μπορεί να χρησιμοποιηθεί στο σχεδιασμό στοχευμένων πολιτικών απομόνωσης σε περιπτώσεις επιδημιών. Η εξερεύνηση του ιστορικού της εξέλιξης ενός δικτύου γίνεται διαδραστικά μέσω του TempoGrapher, ενός εύχρηστου εργαλείου πλοήγησης και αναζήτησης που αναπτύχθηκε στα πλαίσια του έργου.
Και επειδή η ιστορία επαναλαμβάνεται, το έργο GraphTempo χρησιμοποιεί τεχνητή νοημοσύνη για να προβλέψει την μελλοντική εξέλιξη των δικτυών. Οι προβλέψεις αφορούν πληθώρα ερωτημάτων για το μέλλον. Ποιοι χρήστες είναι πιθανόν να αποτελέσουν θύματα διαδικτυακού εκφοβισμού; Πόσο γρήγορα μια ψευδής είδηση με συγκεκριμένα χαρακτηριστικά θα μεταδοθεί και ποιες ομάδες θα επηρεάσει; Ποιος θα είναι ο επόμενος κόμβος κυκλοφοριακής συμφόρησης; Ποιες είναι οι πιθανές παρενέργειες από τον συνδυασμό φαρμακευτικών ουσιών;
Το έργο «GraphTempo: Εξερεύνηση του Ιστορικού Χρονικών Γραφημάτων» χρηματοδοτήθηκε από την «1η Προκήρυξη Ερευνητικών Έργων ΕΛ.ΙΔ.Ε.Κ. για την ενίσχυση των Μελών ΔΕΠ και Ερευνητών/τριών και την προμήθεια ερευνητικού εξοπλισμού μεγάλης αξίας». Η βασική έρευνα πραγματοποιήθηκε από την ομάδα της Επιστημονικά Υπεύθυνης του έργου Ευαγγελίας Πιτουρά, Καθηγήτριας του Τμήματος Μηχανικών Η/Υ και Πληροφορικής του Πανεπιστημίου Ιωαννίνων, σε συνεργασία με το Πανεπιστήμιο της Βοστώνης και το Πανεπιστήμιο του Ουόρικ.
Περισσότερες πληροφορίες για το Graphtempo στον ιστότοπο του έργου.
