Google Flu Trends là cỗ máy đoán dịch cúm bằng dữ liệu tìm kiếm của Google, ra mắt cuối năm 2008 và ngừng cập nhật vào tháng 8/2015. Từng được ca ngợi là tương lai của y tế công cộng, nó về sau báo cao hơn thực tế gần hai năm liền. Câu chuyện đáng quan tâm vì là bài học điển hình về giới hạn của dữ liệu lớn.

Tóm tắt nhanh

Google Flu Trends ra đời để rút ngắn độ trễ một đến hai tuần của số liệu CDC và ban đầu khớp rất tốt. Về sau nó lệch dần: đó là mô hình đóng, học từ hành vi tìm kiếm mà chính Google liên tục thay đổi, và danh sách cụm từ không được công bố nên không ai kiểm tra được. Nó không chứng minh dữ liệu lớn vô dụng; dữ liệu ấy hiệu quả hơn khi đi cùng số liệu truyền thống.

Diễn biến chính

2008: ý tưởng đi trước CDC

Các phòng khám Mỹ báo số ca có triệu chứng giống cúm về CDC mỗi tuần, nhưng số liệu thường đến trễ một đến hai tuần. Một nhóm kỹ sư Google nghĩ rằng trước khi đến phòng khám, người ta thường gõ triệu chứng lên ô tìm kiếm.

Jeremy Ginsberg đứng tên đầu bài báo của nhóm. Họ lập bảng theo tuần cho năm mươi triệu cụm từ phổ biến nhất ở Mỹ, thử khoảng 450 triệu mô hình rồi chốt ở 45 cụm. Danh sách có cả thứ lạ như «bóng rổ trung học», vì mùa giải trùng mùa cúm. Trên dữ liệu kiểm định, hệ số tương quan đạt 0,97. Google công bố hệ thống tháng 11/2008; bài khoa học đăng trên Nature đầu năm 2009, cũng tự dặn rằng hệ thống không thay thế giám sát truyền thống và có thể báo động giả nếu người khỏe cũng hoảng sợ đi tìm kiếm.

2006–2008: Larry Brilliant và cơn say dữ liệu lớn

Larry Brilliant điều hành Google.org từ đầu năm 2006 và nhận giải thưởng TED cùng năm, với điều ước về một hệ thống phát hiện sớm dịch bệnh. Cùng thời, tháng 6/2008, Chris Anderson của Wired viết bài «Hồi kết của lý thuyết», cổ vũ ý rằng đủ dữ liệu thì tương quan là đủ. Google Flu Trends vì thế trông như minh chứng cho tinh thần ấy. Vẫn có tiếng nói dè dặt: một nhà dịch tễ ở Columbia muốn đối chiếu số liệu thật trước, và hai tổ chức bảo vệ quyền riêng tư gửi thư hỏi Google về dữ liệu tìm kiếm liên quan đến bệnh tật.

2009: đại dịch H1N1 qua mặt cỗ máy

Tháng 4/2009, cúm H1N1 bùng phát giữa mùa xuân, sau đó WHO tuyên bố đại dịch. Đường cong của Google lại nằm thấp trong đợt đầu: 45 cụm từ được chọn từ các mùa cúm mùa đông nên cỗ máy học cả những thứ chỉ trùng hợp với mùa đông. Một nhà nghiên cứu về sau gọi nó là «nửa máy dò cúm, nửa máy dò mùa đông». Tháng 9/2009, nhóm Google dựng lại mô hình với dữ liệu đại dịch và cho chạy tiếp.

2011–2013: công cụ tìm kiếm làm lệch chiếc nhiệt kế

Tháng 6/2011, Google bắt đầu gợi ý thêm cụm từ liên quan khi tìm kiếm; tháng 2/2012, trang kết quả đưa ra các chẩn đoán có thể có khi người dùng gõ triệu chứng. Cỗ máy chỉ đếm lượt gõ nên không phân biệt lượt do người bệnh tự nghĩ với lượt do gợi ý. Mùa 2011–2012 là mùa nhẹ, vậy mà nó báo cao hơn thực tế hơn một nửa.

Tháng 2/2013, Nature đăng bài về việc Google đoán sai cúm. Ở đỉnh mùa 2012–2013, đường của Google cao hơn khoảng gấp đôi số liệu phòng khám. Google giải thích rằng tin tức về mùa cúm nặng khiến người dân tìm kiếm bất thường, rồi hiệu chỉnh lại mô hình.

2014: «Dụ ngôn về cúm Google»

Tháng 3/2014, nhóm của David Lazer đăng bài trên Science: cỗ máy báo cao hơn thực tế 100 trên 108 tuần, và số liệu CDC cũ ba tuần còn đoán hiện tại tốt hơn nó. Họ gọi căn bệnh ấy là «sự ngạo mạn của dữ liệu lớn», tức tin rằng dữ liệu đủ to có thể thay hẳn cách thu thập số liệu truyền thống thay vì bổ sung cho nó.

Họ chỉ ra rằng năm mươi triệu cụm từ được đem khớp với chưa đầy 1.200 điểm dữ liệu, nên kiểu gì cũng có vài thứ trùng hợp. Họ cũng phê bình việc 45 cụm từ chưa từng được công bố, khiến không ai làm lại được thí nghiệm.

2013–2015: cuộc thi của CDC và lời tạm biệt lặng lẽ

Cuối tháng 11/2013, CDC mở cuộc thi dự báo mùa cúm với giải 75.000 đô la; tháng 6/2014, nhóm của Jeffrey Shaman ở Đại học Columbia thắng. Họ bắt đầu từ lý thuyết lây lan của virus rồi mới nạp dữ liệu, trong đó có tín hiệu tìm kiếm.

Ngày 9/8/2015, trang Google Flu Trends ngừng cập nhật. Ngày 20/8, blog nghiên cứu của Google đăng bài «Chương tiếp theo của Flu Trends», cho biết tín hiệu tìm kiếm về cúm và sốt xuất huyết sẽ chuyển cho Đại học Columbia, Bệnh viện Nhi Boston và Ban Cúm của CDC.

Điều còn tranh cãi hoặc cần thận trọng

  • Con số 97% là hệ số tương quan trên vài chục tuần kiểm định, không phải tỷ lệ đoán trúng.
  • Mức «gấp đôi» chỉ nói về đỉnh mùa 2012–2013; còn 100 trên 108 tuần là chuyện của hai năm liền. Cỗ máy cũng không đếm người mắc cúm mà ước tính tỷ lệ lượt đi khám vì triệu chứng giống cúm.
  • Thủ phạm chưa ngã ngũ: Google đổ cho báo chí gây hoảng loạn, còn Lazer cho rằng thay đổi của công cụ tìm kiếm mới là nguyên nhân chính. Khi 45 cụm từ vẫn là bí mật, hai bên chỉ có thể suy luận.
  • Lý do ngừng dịch vụ: Google chỉ nói sẽ chuyển dữ liệu cho đối tác; mọi lý do khác là người ngoài đoán.
  • Giai thoại: chuyện thời hippie của Brilliant và câu «tương quan là đủ» của Anderson nên nghe như lời kể lại.

Vì sao câu chuyện này đáng nhớ?

Google Flu Trends không chứng minh dữ liệu lớn vô dụng. Theo Lazer và cộng sự, ghép tín hiệu tìm kiếm với số liệu CDC cho kết quả tốt hơn từng nguồn riêng. Thứ gãy là một mô hình đóng, được kể như thể thay được cả hệ thống giám sát, trong khi nó học từ hành vi mà chính chủ nhân đang nặn lại mỗi tuần.

Câu hỏi này không còn của riêng bệnh cúm: mọi hệ thống học từ hành vi người dùng, từ ứng dụng gợi ý đến mô hình AI, đều đứng trên mặt đất do chính nền tảng nhào nặn.

Câu hỏi thường gặp

Là hệ thống Google công bố tháng 11/2008, dùng tần suất một số cụm từ tìm kiếm để ước tính mức độ cúm ở Mỹ sớm hơn báo cáo của CDC, vốn thường trễ một đến hai tuần.

Ở đỉnh mùa cúm 2012–2013, nó báo cao hơn khoảng gấp đôi số liệu phòng khám. Nhóm của David Lazer ghi nhận nó báo cao hơn thực tế 100 trên 108 tuần, từ cuối tháng 8/2011 đến đầu tháng 9/2013.

Ngày 20/8/2015, Google chỉ thông báo sẽ ngừng duy trì trang web riêng và chuyển tín hiệu tìm kiếm cho các đối tác. Bài blog không giải thích vì sao dừng đúng lúc đó.

Con số 97% có nghĩa là đoán trúng 97% không?

Không. Đó là hệ số tương quan 0,97 trên các tuần kiểm định, không phải tỷ lệ đoán trúng.

Nguồn tham khảo

  • Ginsberg và cộng sự — «Detecting influenza epidemics using search engine query data», Nature, 2009
  • Lazer, Kennedy, King, Vespignani — «The Parable of Google Flu», Science, 14/3/2014
  • Olson và cộng sự — PLOS Computational Biology, 2013
  • Butler — Nature 494:155, 2013
  • Google Research Blog — «The Next Chapter for Flu Trends», 20/8/2015
  • Lưu trữ cuộc thi dự báo cúm của CDC, 2013–2014

Bài viết tóm tắt từ video của kênh; nội dung mang tính giới thiệu.