Megmondja az algoritmus, melyik étteremben rontjuk el a gyomrunkat

Nemezis nemcsak a bosszú istennője, hipotetikus csillag, litván falu, Agatha Christie vagy Isaac Asimov regény, a tizedik Star Trek mozi, hanem most már egy alkalmazás is ezt a nevet viseli, egész pontosan nEmesisnek hívják.

A Rochester Egyetemen fejlesztették, és gépi tanulással igyekszik a minimumra csökkenteni az ételmérgezés kockázatát. Természetesnyelv-feldolgozó módszerrel és mélytanulással (deep learning) azonosítja az ezzel kapcsolatos tweeteket (Twitter üzeneteket), amelyeket utána helyalapú címkézéssel (geotagging) éttermekhez rendel. Ezeket az éttermeket potenciális hotspotként jelöli meg.

Az alkalmazás New York Cityben 2012 végén és 2013 első hónapjaiban írt közel 4 millió üzenet elemzésén alapul. Az elemzés után Las Vegasban a város egészségügyi szervezeteivel együttműködve tesztelték. Három hónap alatt napi átlagban 3600 felhasználó 16 ezer tweetjét tanulmányozták, majd listát készítettek a legsürgősebben ellenőrizendő éttermekről.

„A helyhatóságnak minden reggel adtunk egy listát azokról a helyekről, ahol valami nem stimmelt, és mehettek ellenőrzésre” – nyilatkozta az akkor még a Rochester Egyetemen kutató Adam Sadilek.

Az alkalmazás eredményeként a felmérés ideje alatt 9 ezerrel kevesebb ételmérgezés történt, és 557-tel kevesebb személyt szállítottak kórházba.