WEBVTT

00:00:00.000 --> 00:00:10.000
 सह-पीआई, क्रिश्चियन लेबियर और मार्क ऑर के साथ कर रहा हूं।  क्रिश्चियन सीएमयू [कार्नेगी मेलन यूनिवर्सिटी] में हैं और मार्क वर्जीनिया विश्ववि
00:00:10.000 --> 00:00:20.000
्यालय में हैं। और हमारे पास योगदानकर्ताओं की एक बड़ी कास्ट है - योगदानकर्ता जो प्राकृतिक भाषा प्रसंस्करण से लेकर महामारी विज्ञान तक की सभी क
00:00:20.000 --> 00:00:30.000
स्मों पर काम कर रहे हैं। यह परियोजना इस अहसास से प्रेरित थी कि पिछले साल, हम ऐतिहासिक रूप से, मानव व्यवहार को बदलने के लिए अब तक के सबसे बड़
00:00:30.000 --> 00:00:40.000
े प्रयास के बीच में थे। और मैं विशेष रूप से गैर-फार्मास्युटिकल हस्तक्षेपों के बारे में बात कर रहा हूं, जैसे कि सोशल डिस्टेंसिंग, हाथ धोना, म
00:00:40.000 --> 00:00:50.000
स्क पहनना और अब, टीकाकरण।और निर्णय निर्माता और जो लोग सार्वजनिक स्वास्थ्य का प्रबंधन करने की कोशिश कर रहे हैं, संक्रमण और मौतों की दर का पूर
00:00:50.000 --> 00:01:00.000
वानुमान लगाने के लिए महामारी विज्ञान के मॉडल पर भरोसा करते हैं, और यह समझने की कोशिश करते हैं कि इन एनपीआई - गैर-फार्मास्युटिकल हस्तक्षेपों 
00:01:00.000 --> 00:01:10.000
े संभावित प्रभाव क्या हैं। दुर्भाग्य से, इनमें से बहुत सारे मॉडल बहुत विस्तृत नहीं हैं और इनमें अनिश्चितता की एक बड़ी बहुतायत है। और कुछ हद 
00:01:10.000 --> 00:01:20.000
तक, हम मानते हैं कि यह आंशिक रूप से है क्योंकि उनके पास वास्तव में सटीक मॉडल नहीं हैं कि लोग एनपीआई के लिए मनोवैज्ञानिक और व्यवहारिक रूप से 
00:01:20.000 --> 00:01:30.000
ैसे प्रतिक्रिया देते हैं, उनके आसपास के वातावरण में क्या हो रहा है। और आपको एक ठोस उदाहरण देने के लिए, यह उन कई मॉडलों में से एक है जिन्हें 
00:01:30.000 --> 00:01:40.000
मने पिछले एक साल में समाचार या वेब पर देखा है। यह एक स्नैपशॉट है जिसे मैंने अक्टूबर में लिया था। और उस ग्राफ के दाईं ओर गिरावट के लिए एक प्र
00:01:40.000 --> 00:01:50.000
्षेपण है - अक्टूबर के बाद का महीना, जब इसे प्रस्तुत किया गया था। और आप जो देख सकते हैं वह भविष्यवाणी के चारों ओर यह विशाल गुलाबी त्रुटि पट्ट
00:01:50.000 --> 00:02:00.000
ी है और उस विश्वास अंतराल के ऊपर और नीचे के बीच का अंतर परिमाण का एक क्रम है। और उस गुलाबी क्षेत्र के भीतर, आप यथोचित रूप से कह सकते हैं: ची
00:02:00.000 --> 00:02:10.000
ें ऊपर जा सकती हैं, वे वही रह सकती हैं या वे नीचे जा सकती हैं। इसलिए इन मॉडलों में बड़ी मात्रा में अनिश्चितता है।और हम शर्त लगा रहे हैं कि अ
00:02:10.000 --> 00:02:20.000
िक विशेष रूप से एक व्यक्ति के मनोविज्ञान को समझने और मॉडलिंग करके, कि हम बेहतर करने में सक्षम होंगे। और यह आंशिक रूप से है क्योंकि मुझे लगता
00:02:20.000 --> 00:02:30.000
है कि हम सभी मानते हैं कि लोगों के विश्वास और दृष्टिकोण और इरादे और आत्म-प्रभावकारिता सभी का प्रभाव पड़ता है कि वे कैसे प्रतिक्रिया देते हैं
00:02:30.000 --> 00:02:40.000
। और वहाँ निश्चित रूप से सबूत हैं कि यह मामला है। और यह भी मामला है कि ये प्रतिक्रियाएं समय के साथ बदलती प्रतीत होती हैं। इसलिए हमने COVID थ
00:02:40.000 --> 00:02:50.000
ान के बारे में बहुत कुछ सुना है, और समय के साथ लोगों का दृष्टिकोण कैसे बदलता है। और ये चीजें भी क्षेत्रों में अलग-अलग लगती हैं। इसलिए कुछ क्
00:02:50.000 --> 00:03:00.000
ेत्र दूसरों की तुलना में अलग तरह से प्रतिक्रिया देते हैं।इसलिए हमारा उद्देश्य कम्प्यूटेशनल भविष्य कहनेवाला मॉडल बनाना था जो विभिन्न प्रकार क
00:03:00.000 --> 00:03:10.000
ी चीजों पर आधारित हैं जिन पर हम पहले से ही काम कर रहे थे। तो चीजों का एक सेट व्यक्तिगत स्वास्थ्य मनोविज्ञान के सिद्धांतों के आसपास था जो हम 
00:03:10.000 --> 00:03:20.000
ें से कुछ ने काम किया था। एक और विशेष सिद्धांत और कम्प्यूटेशनल मॉडलिंग प्रणाली के साथ बड़ी मात्रा में अनुभव है जिसे एसीटी-आर कहा जाता है, जो
00:03:20.000 --> 00:03:30.000
हमें व्यवहार परिवर्तन के कम्प्यूटेशनल मॉडल बनाने और एजेंट-आधारित सिमुलेशन विकसित करने की अनुमति देता है। और इसलिए इसमें से, हमारा लक्ष्य विक
00:03:30.000 --> 00:03:40.000
ित करना था जिसे हम मनोवैज्ञानिक रूप से वैध एजेंट कहते हैं जिसे हम एजेंट-आधारित मॉडल में बना सकते हैं जो हमें समय के साथ बदलते व्यवहार की गति
00:03:40.000 --> 00:03:50.000
शीलता की सटीक भविष्यवाणी करने की अनुमति देगा और उन गतिशीलता को इन एनपीआई द्वारा कैसे प्रभावित किया जाता है सरकारी संदेश, मास मीडिया, सोशल मी
00:03:50.000 --> 00:04:00.000
िया, विघटन, अभियान, आदि।सिद्धांत ही, यह हमारे काम का मूल है एसीटी-आर मानव व्यवहार मॉडलिंग के लिए एक विवश, बहुत ही राजसी ढांचा है। यह मस्तिष्
00:04:00.000 --> 00:04:10.000
 की संरचना और मन के कामकाज का एक सिद्धांत है। यह एक सिमुलेशन वातावरण भी है। और यह अनिवार्य रूप से कहता है, मस्तिष्क के मॉड्यूल जो लक्ष्यों औ
00:04:10.000 --> 00:04:20.000
 स्मृति और धारणा को पूरा करते हैं – वे व्यवहार का उत्पादन करने के लिए समय के साथ गतिशील रूप से एक साथ कैसे काम करते हैं, जो हमें प्रतीकात्मक
00:04:20.000 --> 00:04:30.000
 ज्ञान दोनों को मॉडल करने की अनुमति देता है जो लोगों के साथ-साथ उनके सांख्यिकीय अनुकूलनशीलता के लिए भी है उनके आसपास चल रहा है। और इसमें लगभ
00:04:30.000 --> 00:04:40.000
 45 वर्षों का शोध शामिल है, जो प्रयोगशाला के साथ-साथ वास्तविक दुनिया के अनुप्रयोगों, बहुत सारे एफएमआरआई और ईईजी इमेजिंग डेटा पर आधारित है।और
00:04:40.000 --> 00:04:50.000
इसलिए इसके बारे में सोचने का एक तरीका है - हम इन व्यक्तिगत स्तर के एजेंटों का निर्माण करने की कोशिश कर रहे हैं जो अनुकरण कर सकते हैं, जिसे ह
00:04:50.000 --> 00:05:00.000
 लोगों की प्रतिक्रिया प्रोफाइल कहते हैं। यही है, आप जानते हैं, क्या वे वास्तव में अपने हाथ धोएंगे या मास्क पहनेंगे या सामाजिक दूरी बनाएंगे, 
00:05:00.000 --> 00:05:10.000
या वे बाहर जाकर पार्टी करने जा रहे हैं या रेस्तरां में जाएंगे। और इन एजेंटों को व्यक्तिगत स्तर के दृष्टिकोण और विश्वासों और इरादों के प्रतिन
00:05:10.000 --> 00:05:20.000
धित्व के साथ बैठाया जा रहा है। और फिर उन एजेंटों को दिए गए क्षेत्रों और अवधियों के एजेंट-आधारित सिमुलेशन में एम्बेड किया जाएगा। और उस से, हम
00:05:20.000 --> 00:05:30.000
वास्तविक व्यवहार की भविष्यवाणी करने में सक्षम होना चाहते हैं जिसकी तुलना हम कुछ प्रॉक्सी उपायों से करेंगे जो हमारे पास व्यवहार के हैं, जिसमे
00:05:30.000 --> 00:05:40.000
 यूनिकास्ट से गतिशीलता डेटा और बड़े पैमाने पर स्कोरिंग डेटा शामिल है जो COVIDcast से प्रतिदिन एकत्र किया जाता है। और जिस तरह से हम इन मॉडलों
00:05:40.000 --> 00:05:50.000
 को बैठा रहे हैं, वह विभिन्न प्रकार के डेटा का उपयोग कर रहा है जो पहले से ही मौजूद हैं, जिसमें ये दैनिक मतदान डेटा साइटें भी शामिल हैं। हम म
00:05:50.000 --> 00:06:00.000
स मीडिया और ऑनलाइन जानकारी का बहुत विश्लेषण भी कर रहे हैं। और इसका उपयोग करने के लिए, प्रतिनिधित्व प्राप्त करने के लिए जो हमें लगता है कि सम
00:06:00.000 --> 00:06:10.000
 के साथ इन विभिन्न क्षेत्रों में व्यक्तियों की विशेषता है।तो बस आपको कुछ उदाहरण देने के लिए, हम थर्ड आई चीरॉन डेटासेट नामक एक डेटासेट का सेव
00:06:10.000 --> 00:06:20.000
न कर रहे हैं, जो मूल रूप से सीएनएन, एमएसएनबीसी और अन्य सभी प्रमुख समाचार नेटवर्क का एक टेक्सचराइज्ड संस्करण है।हमारे पास ट्विटर के विभिन्न ड
00:06:20.000 --> 00:06:30.000
टासेट तक पहुंच है, जिसमें दुनिया के लिए जियो-टैग किए गए COVID डेटासेट भी शामिल हैं। और हमारे CMU भागीदारों के पास CASOS नामक एक प्रणाली है, 
00:06:30.000 --> 00:06:40.000
ो संयुक्त राज्य अमेरिका के डेटा का बहुत विस्तार से और महान मात्रा में विश्लेषण करती है। और इसलिए यहां कैलिफोर्निया के विभिन्न शहरों में प्रो
00:06:40.000 --> 00:06:50.000
बनाम कॉन ट्वीट वॉल्यूम के कुछ भूखंड हैं जिन्हें हमने एकत्र किया है। और हम यूनिकास्ट द्वारा प्रदान की गई जीपीएस गतिशीलता ट्रैकिंग का उपयोग कर
00:06:50.000 --> 00:07:00.000
ते हैं, साथ ही डेल्फी में सीएमयू कोविडकास्ट लोगों के व्यवहार के बारे में दिन-प्रतिदिन मतदान डेटा का उपयोग करते हैं।तो बस आपको विश्लेषण का एक
00:07:00.000 --> 00:07:10.000
धागा देने के लिए जो हम कर रहे हैं, उन लोगों का एक समूह जो प्राकृतिक भाषा प्रसंस्करण कर रहे हैं, और ट्विटर पर मशीन लर्निंग प्रेरित कर रहे हैं
00:07:10.000 --> 00:07:20.000
जिसे हम रुख कहते हैं, जो व्यक्तिगत स्तर के ट्वीट्स से दृष्टिकोण, विश्वास और इरादों का प्रतिनिधित्व करते हैं, जो तब उन ट्वीट्स को बनाने वाले 
00:07:20.000 --> 00:07:30.000
पयोगकर्ताओं तक एकत्रित होते हैं। और ये रुख या दृष्टिकोण हैं, मास्क पहनने, या सोशल डिस्टेंसिंग जैसी कुछ चीजों के प्रति विश्वास। हम बड़े पैमान
00:07:30.000 --> 00:07:40.000
े पर ऐसा करते हैं, और फिर इस मनोवैज्ञानिक वैध एजेंट, कम्प्यूटेशनल एजेंट के अंदर अभ्यावेदन देखने के लिए उस प्राकृतिक भाषा प्रसंस्करण से निकलन
00:07:40.000 --> 00:07:50.000
 वाले अभ्यावेदन का उपयोग करते हैं, जिसे हम अपने सिम [उल्लेशन] में उपयोग कर रहे हैं।बस आपको उन व्यवहारों या घटनाओं के प्रकार के बारे में कुछ 
00:07:50.000 --> 00:08:00.000
िचार देने के लिए जिन्हें हम मॉडल करने की कोशिश कर रहे हैं - हमारे मनोवैज्ञानिक रूप से मान्य एजेंटों का उपयोग करके, हम विभिन्न प्रकार की घटना
00:08:00.000 --> 00:08:10.000
ं का मॉडलिंग कर रहे हैं, ये यहां बाईं ओर सिर्फ एक जोड़े हैं। एक घटना जो दुनिया भर में बार-बार देखी जाती है, वह यह है कि जैसे-जैसे महामारी आई
00:08:10.000 --> 00:08:20.000
, प्रभावी संचरण दरों में लगभग एक तक बहुत कमी आई और फिर इस तरह का भीगा हुआ दोलन, एक की संचरण दर के आसपास जो यह इंगित करता था कि लोग उस संचरण 
00:08:20.000 --> 00:08:30.000
र को संशोधित करने के लिए अपने व्यवहार को समायोजित कर रहे थे। और हमारे मनोवैज्ञानिक मॉडल वास्तव में, उस तरह के नम दोलन पैटर्न में परिवेश के व
00:08:30.000 --> 00:08:40.000
तावरण में क्या हो रहा है, इसके संबंध में मॉडल मास्क पहन सकते हैं, जो वहां उस निचले चतुर्थांश में है। यहां दाईं ओर सिर्फ यह दिखा रहे हैं कि क
00:08:40.000 --> 00:08:50.000
ैसे, कैसे, समग्र स्तर पर, यह मास्क पहनने के बारे में मतदान के आंकड़ों के चार राज्यों के लिए है, हम कर सकते हैं - हमारे मॉडल बहुत अच्छी तरह स
00:08:50.000 --> 00:09:00.000
 भविष्यवाणी कर सकते हैं कि उन चार राज्यों में वास्तविक मुखौटा सीखने की संभावनाएं क्या होंगी और हम बेहतर दाने वाले क्षेत्रीय क्षेत्रों में उत
00:09:00.000 --> 00:09:10.000
 सकते हैं। इसलिए यदि आप अधिक जानकारी प्राप्त करना चाहते हैं, तो कृपया मुझसे संपर्क करें [ppirolli@ihmc.org]। और मैं सिर्फ यह उल्लेख करना चाह
00:09:10.000 --> 00:09:20.000
ा हूं कि हमारा शोध एनएसएफ और आईएआरपीए द्वारा वित्त पोषित है, और मैं हमें डेटा प्रदान करने के लिए यहां नीचे विभिन्न लोगों को धन्यवाद देना चाह
00:09:20.000 --> 00:09:30.000
ता हूं। धन्यवाद!