Egy évvel ezelőtt nagy visszhangja volt a sajtóban annak a (Dyntell Magyarország Kft. és az Országos Mentőszolgálat összefogásából született) közös projektnek, amely öntanuló mesterséges intelligencia alkalmazásával egyre pontosabb előrejelzést nyújt a mentőkapacitásra vonatkozó igényekről. Akkor még "csak" a betegszállítási feladatokat volt képes négy hétre előre jelezni az adatelemző rendszer, a továbbfejlesztett verzió azonban már az életmentési feladatokra is havi előrejelzést készít. A társadalmi hasznosságát tekintve (is) kiemelkedő fontosságú informatikai fejlesztésről (amit az Országos Mentőszolgálat díjmentesen használhat) Salga Péter, a debreceni székhelyű Dyntell Magyarország Kft. ügyvezető igazgatója beszélt a Haszon Magazinnak.
Távlatokat nyit
Új távlatokat nyit a magyarországi mentésszervezésben a modell, melynek lényege, hogy a beépített mesterséges intelligencia (MI) segítségével a rendelkezésre álló múltbeli, valamint külső adatok alapján képes előrejelzést adni arról, hogy egy adott időszakban hogyan alakul a mentőautókra vonatkozó igény. A mentőszolgálatnál éves szinten hihetetlen mennyiségű adat képződik: 1,2 millió esetszám mellett, mintegy 40 millió kilométert tesznek meg; a pandémia idején ezeket a számokat meg is duplázták. - Néhány éve az adatokat digitálisan is rögzítik, időbélyegzővel ellátva, így azok megváltoztathatatlanok. Az adatsorok ezáltal elemzésre alkalmasakká váltak – mondta a szakember, majd pedig azzal folytatta, hogy az előrejelzések készítéséhez kétféle módszert használnak. Az egyikben olyan statisztikai módszereket, algoritmusokat alkalmaznak, amelyek képesek "megtanulni" a múlt adataiban lévő mintázatokat. A másikban pedig korrelációkat (kölcsönös viszonyokat) keresnek más, például időjárási vagy közlekedési adatsorokban a mentőkéhez hasonló tendenciákban. "Az előzetes kutatómunka során fedeztük fel, hogy a mentési feladatoknak határozott időbeli és térbeli mintázatuk, valamint szezonalitásuk van, azaz a múltbeli adatok alapján a jövőbeni feladatokat bizonyos fokig előre lehet jelezni. Kollégáim felkutatták azokat az adatsorokat, amelyek összefüggésben vannak az esetszámok alakulásával, vagyis az előrejelzések nemcsak az időjárás-előrejelzést, a forgalmi vagy a kórházi adatokat veszik figyelembe, hanem például a bolygók és a Hold állását is" – engedett némi betekintést munkájukba Salga Péter.
Hasznos segítség
A Dyntell komplex adatelemző rendszere a kezdetekben "csak" a betegszállítási feladatokat jelezte 4 héttel előre, de dr. Csató Gábor, az OMSZ főigazgatója szerint ez is óriási segítség volt számukra, hiszen az előre jelzett betegszállítási igényekkel a napi kapacitás-tervezésnél tudnak kalkulálni. A technológia elsődleges feladata a kapacitás-optimalizálás, illetve a még hatékonyabb életmentés biztosítása. Ebben segít a beépített mesterséges intelligencia – fogalmazott a főigazgató, megjegyezve, hogy az Országos Mentőszolgálatnál is egyre nagyobb teret nyer a digitalizáció.
Mint megtudtuk, az MI-alapú fejlesztés nemcsak abban segít a mentésirányításnak, hogy a mentőegységeket a lehető leggyorsabban a helyszínre küldje, hanem abban is, hogy megmutatja, mikor, hol, milyen rendkívüli esemény bekövetkezte várható. Egy példa a sok közül: pénteken délután a Blaha Lujza téren 85 százalékos valószínűséggel mentési feladatuk lesz. Legyen a közelben mentő. A Dyntell-fejlesztés ma már az életmentés területén is képes nagy biztonsággal 4 hétre előre jelezni a kapacitásigények változását. A folyamat összetett, hiszen számos külső és belső, függő és független változót kell modellezni a prognózis elkészítéséhez.
Díjmentesen kapják
- Az előrejelző értesítéseket e-mailben küldjük el az ország összes mentőállomására, így az OMSZ hatékonyabban tudja megszervezni a járművek és a mentők rendelkezésre állását. Ez egy újabb komoly lépés abba az irányba, hogy olyan, valós időben folyamatosan futó program jöjjön létre, amely a napi mentésirányítási folyamatban segíti a mentésvezetőket. Az eddigi tapasztalatok nagyon kedvezőek – vont mérleget a szoftverfejlesztő cég ügyvezető igazgatója. Az is kiderült a beszélgetés során, hogy a Dyntell díjmentesen biztosítja a teljes rendszert az OMSZ-nek, illetve a mentőszolgálat igényei alapján folyamatosan fejleszti és testre szabja azt. Az együttműködés keretében az OMSZ biztosítja a Dyntell Magyarország számára az előrejelzésekhez elengedhetetlen adatokat, amelyeket jelenleg is egy strukturált adattárházban tárolnak.
A program több különböző mesterséges intelligencia algoritmust használ az adatok elemzésére. Salga Péter elmondása szerint az algoritmusok "megvitatják" a kapott értékeket, és konszenzus esetén a lehető legjobb előrejelzést adják a felhasználóknak. Emellett a fejlesztő cég a publikusan elérhető adatbázisokból óriási, valós idejű adathalmazt épít, ahol az erre a területre specializálódott szakembereik ugyancsak az egyes adatok közötti korrelációt vizsgálják.
(Mentő)ötlet…
Tavaly júniusban, közös sajtótájékoztatójukon a Dyntell és az OMSZ vezetői bejelentették, hogy bár egyelőre "csak" a betegszállítási feladatokat képes négy hétre előre jelezni az adatelemző rendszer (ami persze önmagában is hatalmas segítség a mentőszolgálatnak), a hamarosan bevezetendő továbbfejlesztett verzió már az életmentési feladatokra is havi előrejelzést készít. Salga Péter most arról számolt be, hogy az OMSZ már egy éve teszteli a legforgalmasabb területein azt az öntanuló, mesterséges intelligencia alapú előrejelző rendszert, mellyel a korábbi adatok alapján hatékonyan meg lehet becsülni, hogy hol, mennyi riasztás várható. Így a lehető legjobban oszthatják el a rendelkezésre álló mentőkapacitást, a kocsikat és a személyzetet.
"A magyar egy nagyon modern mentőszolgálat, innovatív gondolkodású vezetővel az élén, ráadásul az egyetlen piaci szereplő, ami szinte példa nélküli a nemzetközi gyakorlatban. Az OMSZ-nél folyamatosan gyűlnek a digitalizált adatok, amelyek remek alapot szolgáltatnak a mi munkánkhoz. Ennek a hatalmas adatállománynak az elemzésével próbáljuk megmondani azt, hogy a jövő héten hányszor hívják majd a mentőket. A főigazgató személyesen is ambicionálja azt a törekvést, hogy a legkorszerűbb technológiák meghonosításával minél inkább javítsák a betegellátás színvonalát."
Hová? Mennyit?
A mentőállomásokon van egy rendelkezésre állás (gépben és emberben), és van a szervezési főosztály, akik ezekkel az erőforrásokkal gazdálkodnak. Nagyon nem mindegy, hogy hol van sok autó, a lokáció, a távolságok miatt fontos az, hogy minél gyorsabban érjen ki egy esethez a mentő. "Mi azzal tudunk segíteni, ha előre jelezzük azt, hogy az adott mentőállomás közelében hány olyan eset történik, ami ellátást igényel. Az általunk kifejlesztett előrejelző rendszer egy éve működik már Pest megyében és Dél-nyugat-Magyarországon, szívfájdalmam, hogy Debrecenre és Kelet-Magyarországra még nincs kész a fejlesztés, de dolgozunk rajta. Ennek a sorrendiségnek az az oka, hogy minél több adat van, nekünk annál könnyebb a dolgunk. De ígérem, hogy most már Debrecen és Kelet-Magyarország következik. Reményeim szerint az év vége felé ez megtörténhet" – tekintett előre a fejlesztést végző debreceni cég vezetője.
Megtudtuk tőle azt is, hogy amit a köznyelv mesterséges intelligenciának hív, az igazából matematika, illetve matematikai és statisztikai módszereknek az összessége. Gépi tanuló algoritmusoknak hívják ezeket az algoritmusokat a szakmában. - Az adatoknak a mintázatát nézzük; van egy szezonalitás, évszakok szerinti vagy akár heti vagy napszakonkénti szezonalitás. Igaz az is, hogy a hosszú hétvégék vége felé egyre többször hívják a mentőt, stb. Emellett gyűjtjük a külső adatokat is, azokat az idősorokat, amik hatással lehetnek a mentőszolgálat munkájára. Ilyen az időjárás, annak hatása az útjavításokra; érdekes, hogy például a Vénusz bolygónak a mozgása, a Földtől való távolsága is hatással van arra, hogy hányszor fogják a mentőt hívni. Minél közelebb van a Vénusz a Földhöz, annál több riasztás érkezik a mentőkhöz – mondta a szakember.
Akár külföldön is
A fejlesztő cég munkatársai minden héten csinálnak egy visszamérést, melyben összevetik a tényleges eseteket az általuk előre jelzettekkel, és szemmel látható, hogy jól működik az előrejelzés. A 80-85 százalék feletti találati pontosság azt jelenti, hogy ez egy nagyon hasznos eszköz a mentésszervezésben. - A közös projektünket megelőzően is nézték folyamatosan az adatokat a mentőszolgálatnál (volt valamiféle adat-vizualizáció), próbálkoztak más megoldásokkal is, de ilyen komplex előrejelző rendszer (ráadásul ingyen) most először segíti a mentési munkálatokat – mondja. Salga Péter úgy véli, hogy egy sikeres hazai tesztidőszakot követően akár más országokban is alkalmazható lenne ez a rendszer, pontosabban ennek egy személyre szabott változata. - Romániában már vizsgáltuk ezt a lehetőséget és azt találtuk, hogy náluk több mentőszolgálat van, márpedig sokkal nehezebb egy széttöredezett adatbázison az elemzést elvégezni. De persze, ha úgy adódik, külföldön is állunk a kihívás elé – mondta magabiztosan a Dyntell tulajdonosa.
Forintosítható haszon
A Dyntell által fejlesztett MI-technológia évek óta jól működik az ipari feladatoknál, ahol az emberi viselkedés, valamint a megrendelések és az egyéb üzleti adatok előrejelzésére is használják. A hamarosan szükségessé váló karbantartások előrejelzése komoly segítséget jelent például a gépek üzemeltetésénél, hiszen radikálisan csökkenti az állásidőt. A romlandó élelmiszerek értékesítésének tervezését segítő algoritmus pedig (amit az USA-ban már használnak) akár 90 százalék feletti pontossággal segít meghatározni az üzletek polcaira kerülő élelmiszer mennyiségét, jelentősen csökkentve a visszáruzásra vagy kidobásra ítélt étel arányát.
A mesterséges intelligenciáról
A mesterséges intelligencia (MI) a gépek emberhez hasonló képességeit jelenti, mint például az érvelés, a tanulás, a tervezés és a kreativitás. Lehetővé teszi a technika számára, hogy érzékelje környezetét, foglalkozzon azzal, amit észlel, problémákat oldjon meg, és konkrét cél elérése érdekében tervezze meg lépéseit. Bár a mesterséges intelligencia a tudományos-fantasztikus irodalom terméke, jelenleg a számítógép-tudomány jelentős ágát képviseli, amely intelligens viselkedéssel, gépi tanulással, és a gépek adaptációjával foglalkozik. Így például szabályozással, tervezéssel és ütemezéssel, diagnosztikai és fogyasztói kérdésekre adott válaszadás képességével, kézírás-, beszéd- és arcfelismeréssel. Egy olyan tudományággá vált, amely a valós életbeli problémákra próbál válaszokat adni. A mesterséges intelligencia rendszereket napjainkban elterjedten használják a gazdaság- és orvostudományban, a tervezésben, a katonaságnál, sok elterjedt számítógépes programban és videójátékban, de az online szövegírásban is.
