ในการทำนายการแพร่ระบาด วิวัฒนาการไม่สามารถละเลยได้

"การเปลี่ยนแปลงทางวิวัฒนาการเหล่านี้มีผลกระทบอย่างมาก" Osman Yagan สมาชิกคณะ CyLab รองศาสตราจารย์ด้านการวิจัยในสาขาวิศวกรรมไฟฟ้าและคอมพิวเตอร์ (ECE) และผู้เขียนงานวิจัยที่เกี่ยวข้องกล่าว "หากคุณไม่พิจารณาถึงการเปลี่ยนแปลงที่อาจเกิดขึ้นเมื่อเวลาผ่านไป คุณจะคาดการณ์จำนวนคนที่จะเจ็บป่วยหรือจำนวนคนที่สัมผัสกับข้อมูลชิ้นหนึ่งผิดพลาดได้" คนส่วนใหญ่คุ้นเคยกับการแพร่ระบาดของโรค แต่ข้อมูลเอง - ทุกวันนี้เดินทางด้วยความเร็วปานสายฟ้าแลบผ่านโซเชียลมีเดีย - สามารถสัมผัสกับโรคระบาดในแบบของมันเองและ "กลายเป็นไวรัล" การที่ข้อมูลชิ้นหนึ่งจะแพร่ระบาดหรือไม่นั้นขึ้นอยู่กับวิธีการปรับแต่งข้อความต้นฉบับ Yagan กล่าวว่า "ข้อมูลที่ผิดบางส่วนเป็นความตั้งใจ แต่บางส่วนอาจพัฒนาโดยธรรมชาติเมื่อคนจำนวนมากทำการเปลี่ยนแปลงเล็กๆ น้อยๆ ตามลำดับเช่นเกมของ 'โทรศัพท์'" Yagan กล่าว "ข้อมูลที่ดูน่าเบื่อสามารถพัฒนาเป็นไวรัสทวีตได้ และเราจำเป็นต้องสามารถคาดเดาได้ว่าสิ่งเหล่านี้แพร่กระจายอย่างไร" ในการศึกษาของพวกเขา นักวิจัยได้พัฒนาทฤษฎีทางคณิตศาสตร์ที่คำนึงถึงการเปลี่ยนแปลงทางวิวัฒนาการเหล่านี้ จากนั้นพวกเขาทดสอบทฤษฎีของตนกับ โรคระบาด ที่จำลองด้วยคอมพิวเตอร์นับพันในเครือข่ายโลกแห่งความจริง เช่น Twitter สำหรับการแพร่กระจายของข้อมูลหรือโรงพยาบาลสำหรับการแพร่กระจายของโรค ในบริบทของการแพร่กระจายของโรคติดเชื้อ ทีมงานได้ทำการจำลองสถานการณ์หลายพันรายการโดยใช้ข้อมูลจากเครือข่ายจริง 2 เครือข่าย ได้แก่ เครือข่ายการติดต่อระหว่างนักเรียน ครู และเจ้าหน้าที่ในโรงเรียนมัธยมในสหรัฐฯ และเครือข่ายการติดต่อระหว่างเจ้าหน้าที่และผู้ป่วยใน โรงพยาบาลในเมืองลียง ประเทศฝรั่งเศส การจำลองเหล่านี้ทำหน้าที่เป็นเตียงทดสอบ: ทฤษฎีที่ตรงกับสิ่งที่สังเกตในการจำลองจะพิสูจน์ได้ว่าเป็นทฤษฎีที่ถูกต้องกว่า "เราแสดงให้เห็นว่าทฤษฎีของเราทำงานผ่านเครือข่ายในโลกแห่งความจริง" Rashad Eletreby ผู้เขียนคนแรกของการศึกษากล่าว ซึ่งเป็นปริญญาเอกของ Carnegie Mellon นักเรียนเมื่อเขาเขียนบทความ "แบบจำลองดั้งเดิมที่ไม่คำนึงถึงการปรับตัวเชิงวิวัฒนาการล้มเหลวในการทำนายความน่าจะเป็นของการเกิดโรคระบาด" แม้ว่าการศึกษาจะไม่ใช่กระสุนเงินสำหรับการทำนายการแพร่กระจายของไวรัสโคโรนาในปัจจุบันหรือการแพร่กระจายของข่าวปลอมในสภาพแวดล้อมทางการเมืองที่ผันผวนในปัจจุบันด้วยความแม่นยำ 100% แต่เราต้องการข้อมูลแบบเรียลไทม์เพื่อติดตามวิวัฒนาการของเชื้อโรคหรือข้อมูลที่ต้องทำ นั่น -- ผู้เขียนบอกว่ามันเป็นก้าวที่ยิ่งใหญ่