Ένα ειδικό διαδραστικό σύστημα προκειμένου ο ανθρώπινος εγκέφαλος να μην υπερφορτίζεται από το πλήθος των δεδομένων (data) τα οποία λαμβάνει καθημερινά δημιουργούν ερευνητές στην Ε.Ε.
Σύμφωνα με τις μελέτες που υπάρχουν κάθε λεπτό, δημιουργούνται στον κόσμο 1,7 εκατ. δισ. byte δεδομένων, που ισοδυναμούν με 360.000 DVD. Πώς μπορεί ο εγκέφαλός μας να διαχειριστεί ολοένα μεγαλύτερα και πολυπλοκότερα σύνολα δεδομένων;
Έτσι οι ερευνητές της Ένωσης αναπτύσσουν ένα διαδραστικό σύστημα που όχι μόνο παρουσιάζει δεδομένα με τον επιθυμητό τρόπο, αλλά επίσης μεταβάλλει διαρκώς την παρουσίαση, προκειμένου να αποτραπεί η υπερφόρτωση του εγκεφάλου.
Το σχέδιο θα μπορούσε να παρέχει τη δυνατότητα στους σπουδαστές να μελετούν αποδοτικότερα ή στους δημοσιογράφους να διασταυρώνουν πηγές ταχύτερα.
Πολλά μουσεία στη Γερμανία, τις Κάτω Χώρες, το Ηνωμένο Βασίλειο και τις ΗΠΑ έχουν ήδη εκδηλώσει ενδιαφέρον για τη νέα τεχνολογία.
Δεδομένα βρίσκονται παντού: μπορούν να δημιουργηθούν από ανθρώπους ή να παραχθούν από μηχανήματα, όπως αισθητήρες που συγκεντρώνουν κλιματικές πληροφορίες, δορυφορικές εικόνες, ψηφιακές φωτογραφίες και βίντεο, αρχεία αγορών, σήματα GPS κλπ. Αυτή η πληροφόρηση αποτελεί πραγματικό χρυσωρυχείο. Αποτελεί όμως και πρόκληση: τα σημερινά σύνολα δεδομένων είναι τόσο τεράστια και πολύπλοκα στην επεξεργασία τους που απαιτούν νέες ιδέες, εργαλεία και υποδομές.
Ο τρόπος λειτουργίας
Ερευνητές από το πρόγραμμα CEEDs μεταφέρουν μαζικά δεδομένα σε ένα διαδραστικό περιβάλλον, προκειμένου το ανθρώπινο μυαλό να παράγει νέες ιδέες με πιο αποδοτικό τρόπο.
Έχουν κατασκευάσει κάτι που οι ίδιοι αποκαλούν Επαγωγική Μηχανή Εμπειριών (eXperience Induction Machine - XIM), η οποία χρησιμοποιεί την εικονική πραγματικότητα για να επιτρέψει στον χρήστη να «εισέλθει» σε μεγάλα σύνολα δεδομένων.
Πρόκειται για ένα πολυτροπικό περιβάλλον εμβύθισης – που βρίσκεται στο Πανεπιστήμιο Pompeu Fabra στη Βαρκελώνη – το οποίο επίσης περιέχει πληθώρα αισθητήρων που επιτρέπουν στο σύστημα να παρουσιάζει τις πληροφορίες με τον κατάλληλο τρόπο για τον χρήστη, προσαρμόζοντάς τις συνεχώς ανάλογα με τις αντιδράσεις του καθώς εξετάζει τα δεδομένα. Το σύστημα παρακολουθεί αυτές τις αντιδράσεις – όπως τις χειρονομίες, τις κινήσεις των ματιών ή τον καρδιακό παλμό – και τις χρησιμοποιεί για την προσαρμογή του τρόπου παρουσίασης των δεδομένων.
Όπως εξηγεί ο Τζόναθαν Φρίμαν, καθηγητής Ψυχολογίας στο Goldsmiths, University of London και συντονιστής του CEEDs, «το σύστημα αντιλαμβάνεται πότε οι συμμετέχοντες κουράζονται ή υπερφορτώνονται με πληροφορίες. Και προσαρμόζεται αναλόγως. Είτε απλουστεύει τις οπτικές αναπαραστάσεις ώστε να ελαφρύνεται το γνωστικό φορτίο, ελαττώνοντας έτσι την καταπόνηση του χρήστη και αυξάνοντας την ικανότητα συγκέντρωσής του. Είτε καθοδηγεί το χρήστη σε περιοχές της απεικόνισης των δεδομένων που είναι λιγότερο φορτωμένες με πληροφορίες.»
Οι πρώτες δοκιμές
Η πρώτη ομάδα στην οποία δοκίμασαν το μηχάνημά τους οι ερευνητές του CEEDs αποτελούνταν από νευροεπιστήμονες. Το μηχάνημα έλαβε τα κατά κανόνα τεράστια σύνολα δεδομένων που παράγονται στον συγκεκριμένο επιστημονικό κλάδο και τα ζωντάνεψε με οπτικές και ηχητικές ενδείξεις.
Παρέχοντας ενδείξεις που απευθύνονται στο υποσυνείδητο, όπως βέλη που αναβοσβήνουν, το μηχάνημα καθοδήγησε τους νευροεπιστήμονες σε περιοχές των δεδομένων που ήταν δυνητικά πιο ενδιαφέρουσες για κάθε πρόσωπο. Οι πρώτες πιλοτικές φάσεις έχουν ήδη αποδείξει τη δυναμική της εν λόγω προσέγγισης για την καλύτερη κατανόηση της οργάνωσης του εγκεφάλου.
Οι πιθανές εφαρμογές
Είναι πολυάριθμες οι πιθανές εφαρμογές για το CEEDs, από την επιθεώρηση δορυφορικών εικόνων και την αναζήτηση πετρελαίου, έως την αστρονομία, τα οικονομικά και την ιστορική έρευνα. «οπουδήποτε υπάρχει πληθώρα δεδομένων, που είτε απαιτούν πολύ χρόνο είτε μεγάλη προσπάθεια, υπάρχουν δυνατότητες εφαρμογής», όπως υποστηρίζει ο κ. Φρίμαν.
Σύμφωνα με τον καθηγητή «παρατηρούμε ότι είναι φύσει αδύνατο για τα άτομα να αναλύουν όλα τα δεδομένα που βρίσκονται μπροστά τους, απλώς και μόνο λόγω του χρόνου που απαιτείται. Οποιοδήποτε σύστημα μπορεί να επιταχύνει αυτή τη διαδικασία και να την καταστήσει πιο αποτελεσματική έχει μεγάλη αξία».
Το σύστημα CEEDs μπορεί να συμβάλει στη συγκέντρωση και την επεξεργασία ανατροφοδότησης από τους χρήστες σε χώρους όπως καταστήματα, μουσεία, βιβλιοθήκες και συναυλίες.
Σε πραγματικές και εικονικές αίθουσες διδασκαλίας, οι καθηγητές θα μπορούσαν να διδάσκουν τους μαθητές με πιο αποδοτικό τρόπο, προσαρμόζοντας τις παρουσιάσεις στο επίπεδο προσοχής τους.
Η τεχνολογία CEEDs έχει χρησιμοποιηθεί για δύο έτη στο μνημείο του Ολοκαυτώματος του Bergen-Belsen, στη Γερμανία, ενώ είναι σε εξέλιξη συζητήσεις με μουσεία στις Κάτω Χώρες, το Ηνωμένο Βασίλειο και τις Ηνωμένες Πολιτείες, εν όψει των εορτασμών για την επέτειο της λήξης του δευτέρου παγκοσμίου πολέμου που θα λάβουν χώρα το 2015.
Η ομάδα του σχεδίου βρίσκεται σε διάλογο με αρκετούς δημόσιους, φιλανθρωπικούς και εμπορικούς οργανισμούς, προκειμένου να εξατομικεύσει ένα φάσμα εφαρμογών του CEEDs ανάλογα με τις ανάγκες τους. Τα αιτήματα που συζητούνται σχετίζονται με εμπορικό κατάστημα εικονικής πραγματικότητας σε διεθνές αεροδρόμιο και με την οπτικοποίηση της ποιότητας του εδάφους και του κλίματος στην Αφρική, προκειμένου βοηθηθούν οι ντόπιοι γεωργοί για τη βελτιστοποίηση της απόδοσης των καλλιεργειών.
Οι συμμετέχοντες στο πρόγραμμα CEEDs
Το πρόγραμμα CEEDs είναι μεγάλο: 16 εταίροι σε εννέα χώρες (Φινλανδία, Γαλλία, Γερμανία, Ελλάδα, Ουγγαρία, Ιταλία, Ισπανία, Κάτω Χώρες και το Ηνωμένο Βασίλειο) συνεργάζονται για τη βελτιστοποίηση της ανθρώπινης κατανόησης των μαζικών δεδομένων. Σε αυτήν την καινοτόμο πρωτοβουλία έχουν επενδυθεί πόροι της ΕΕ ύψους 6,5 εκατ. ευρώ, στο πλαίσιο της δράσης Μελλοντικές και αναδυόμενες τεχνολογίες.
Η αντιπρόεδρος της Ευρωπαϊκής Επιτροπής και Επίτροπος αρμόδια για την Ψηφιακή Ατζέντα Νέιλι Κρους υπογράμμισε σε δηλώσεις της ότι «τα μαζικά δεδομένα δεν πρέπει να μας φοβίζουν. Σχέδια όπως αυτό μας επιτρέπουν να πάρουμε τον έλεγχο των δεδομένων και να τα διαχειριστούμε, έτσι ώστε να μπορέσουμε να αναλάβουμε την επίλυση προβλημάτων. Οι ηγέτες της Ευρώπης πρέπει να αγκαλιάσουν την επανάσταση των μαζικών δεδομένων».
