Σαν να μην αρκούσε η ανησυχία για την καταπολέμηση των fake news, υπάρχουν ολοένα και περισσότερες πληροφορίες (Από επιστήμονες) για καλύτερους τρόπους αντιμετώπισης του κοροναϊού. Το φαινόμενο, που ονομάστηκε “infodemic” από τον Παγκόσμιο Οργανισμό Υγείας, έχει καταστήσει πολύ δύσκολο για τους ερευνητές (και όχι μόνο) να αφομοιώσουν πλήρως τις ταχέως εξελισσόμενες ανακαλύψεις, καθιστώντας ορισμένες τρέχουσες έρευνες παρωχημένες ακόμη και πριν από την αξιολόγησή τους από άλλους επιστήμονες.
Η έρευνα τους τελευταίους μήνες είναι πολύ απαιτητική και οι ερευνητές θεωρούν καθήκον τους να δημοσιεύουν αποτελέσματα που μπορεί να είναι χρήσιμα για τους κλινικούς. Όμως υπάρχουν πάντα συγκρούσεις λόγω της αυξανόμενης της επιστημονικής βιβλιογραφίας. 
Σε ένα άρθρο γνωμοδότησης στο περιοδικό Patterns, ο Ganesh Mani του Πανεπιστημίου Carnegie Mellon, επενδυτής, επιχειρηματίας τεχνολογίας και βοηθητικό μέλος στο Ινστιτούτο Έρευνας Λογισμικού και ο Tom Hope, μεταδιδακτορικός ερευνητής στο Allen Institute for AI, εξέδωσαν μια κλήση αποστασιοποίησης.
“Δεδομένου του συνεχώς αυξανόμενου όγκου της έρευνας, θα είναι δύσκολο για τους ανθρώπους να συμβαδίζουν”, αναφέρουν στο άρθρο.
Αναφέρουν ειδικότερα τον κατακλυσμό πληροφοριών της έρευνας για τους κοροναϊούς. Μέχρι τα μέσα Αυγούστου, περισσότερες από 8.000 drafts επιστημονικών εργασιών που σχετίζονται με τον Covid 19 είχαν δημοσιευτεί σε διαδικτυακά ιατρικά, βιολογικά και χημεία αρχεία. Υπάρχει δεν πλήθος πληροφοριών για την κατάθλιψη που προκαλείται από την καραντίνα. Στον τομέα της ιολογίας, ο μέσος χρόνος που χρησιμοποιείται για την κριτική από ομοτίμους και την δημοσίευση νέων άρθρων μειώθηκε κατά μέσο όρο από 117 μέρες που ήταν στην αρχή στις 60 μέρες.
Έτσι φαίνεται όλο και πιο ελκυστικό και ίσως απαραίτητο να συνδυαστεί η ανθρώπινη τεχνογνωσία με το AI για να αρχίσουν να βοηθούν τα καταγεγραμμένα αποτελέσματα με την έρευνα που κάνει άλματα. Ο υπερβολικός αριθμός πληροφοριών όχι μόνο οδηγεί στην αδύνατη πέψη όλων, αλλά και στη διάκριση μεταξύ χρήσιμων και ύποπτων πληροφοριών και αποτελεσμάτων. Η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει στην αξιολόγηση της έρευνας και να την ταξινομήσει κατάλληλα.
“Θα κάνουμε την ίδια συζήτηση με εμβόλια”, ανέφερε η Μάνη. “Θα έχουμε πολλές συζητήσεις.”
Φυσικά, η τεχνολογία από μόνη της δεν μπορεί να βρει μια πλήρη λύση. Ο Mani και ο Hope προτείνουν νέες πολιτικές, όπως την επισήμανση των αρνητικών αποτελεσμάτων από τα θετικά ευρήματα, κάτι το οποίο μπορεί να είναι σημαντικό για τους κλινικούς γιατρούς καθώς αποθαρρύνουν τους επιστήμονες που έχουν πρόσβαση σε περιορισμένη ή περιττή έρευνα. Άλλες ιδέες που παρουσιάζονται στο άρθρο συμπεριλαμβάνουν τον εντοπισμό των κορυφαίων κριτικών ποιότητας και τη σύνδεση των ερευνών με σχετική βιβλιογραφία, ιστότοπους ανάκλησης ή νομικές αποφάσεις.
Η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει, αλλά εξακολουθεί να υπάρχει πρόβλημα στην κατανόηση της ανθρώπινης γλώσσας. Έτσι οι συγγραφείς αναφέρουν ότι μπορεί να είναι απαραίτητο για τους ερευνητές να γράψουν δύο εκδόσεις ερευνητικών εγγράφων, μία για ανθρώπους και μία για το AI.
“Η χρήση τέτοιων υποδομών θα βοηθήσει την κοινωνία στην επόμενη μεγάλη έκπληξη ή την μεγάλη πρόκληση, η οποία είναι πιθανό να χρειάζεται εξίσου, αν όχι περισσότερη γνώση”.
