IBM Watson Healthin kognitiivinen järjestelmä on läpimurto terveydenhuollossa

Nykyaikaiset supertietokoneet- siinä muutama palvelintietokoneet yhdistynyt verkostoksi. Niiden laskentanopeus mitataan petaflopseina.

• 1 petaflops = 10 15 operaatiota sekunnissa

Ihmisaivojen keskimääräinen suorituskyky on 20 petaflopsia. Vain harvoilla supertietokoneilla maailmassa on erinomainen suorituskyky, mutta mikään niistä ei voi korvata ihmisen aivoja.

Maailmassa on tällä hetkellä useita satoja supertietokoneita. Tehokkaimmat ovat mukana vuotuisessa TOP-500 rankingissa. Vuonna 2016 tämän luokituksen ylitti kiinalainen Sunway TaihuLight. Sitä ennen hän toimi myös johtajana kolme vuotta Kiinalainen tietokone Tianhe-2. IBM:llä on kaksi supertietokonetta tässä luokassa: Mira ja Sequoia. Jälkimmäinen oli johtaja vuonna 2012 ja on nyt neljännellä.

Andrei Filatov ( toimitusjohtaja IBM Venäjällä ja IVY-maissa) kognitiivisista teknologioista

DR. Watson on tunnetuin supertietokone

Watsonin tärkein etu on, että se ymmärtää kysymykset luonnollisella kielellä ja vastaa niihin analysoimalla tietoja. Vuonna 2011 Watson voitti ihmisiä peliohjelmassa Vaara!(Venäläinen vastine - "Oma peli").

Watson on joukko sovellustekniikoita nimeltä " pilvipalvelut" Watsonia käytetään aktiivisimmin lääketieteessä, mikä auttaa diagnosoimaan ja hoitamaan syöpää. Sen muisti sisältää yli 600 000 lääketieteelliset raportit. Sitä käytetään myös mm taloussektori, oikeuskäytäntö, hotelliliiketoimintaa ja monilla muilla toimialoilla. Lisäksi hän pystyy jopa keskustelemaan julkkisten kanssa.

Ladattaessa tapahtui virhe.

Watson keskustelee amerikkalaisen tennispelaajan Serena Williamsin kanssa

Hakemukset IBM Watsonille

koulutus. Koulut kaikkialla Yhdysvalloissa testaavat Teacher Advisoria Watsonin kanssa. Se on kognitiivinen työkalu, joka tarjoaa neuvoja opetussuunnitelmien parantamiseen ja oppimisohjelmien personointiin.

Tiede. Johnson & Johnson käyttää Watsonia analysoidakseen tieteellistä kirjallisuutta. Kolossaalista materiaalimäärästä hän valitsee tutkimukseen tarpeelliset, ja tutkimus voidaan tehdä paljon nopeammin ja tehokkaammin.

Turvallisuus. Valssatun teräksen valmistaja North Star BlueScope Steel aikoo käyttää Watson Internet of Things -palvelua luodakseen ratkaisuja työntekijöiden suojelemiseksi äärimmäisiä tilanteita. Työntekijät käyttävät myös laitteita tietojen keräämiseen ja käsittelyyn. Jos vaarallisia olosuhteita ilmenee, tiedot lähetetään välittömästi North Starin johdolle.

Kyberturvallisuus. Kyberrikolliset hakkeroivat Tietojärjestelmä yrityksiä ja sitten myydä niihin pääsyä "mustassa" Internetissä. Jos yhdessä osassa maapallo Jos tapahtuu vika tai petos, Watson-järjestelmä varoittaa muita järjestelmän käyttäjiä.

Lääke. Yliopisto Pohjois-Carolina ja 12 muuta syöpätutkimuskeskusta käyttävät Watsonia potilaiden DNA:n analysointiin yksilöllisten hoitojen kehittämiseksi.

Yksikään lääkäri ei pysty analysoimaan niin suurta tietootosta, vain tietokone

Tietokoneella voi tehdä paljon vähintään, mitä tulee tietojenkäsittelyyn. Hänelle luonnollisen kielen opettaminen on kuitenkin erittäin ei-triviaali tehtävä. Tämä haaste muodosti perustan IBM DeepQA -projektille, joka johti IBM Watson -nimisen kognitiivisen teknologian syntymiseen IBM:n alkuperän syntyneen Thomas Watsonin kunniaksi.

Ei ole vaikea selittää, mikä Watson on - se on kognitiivinen järjestelmä, joka pystyy kommunikoimaan ihmisen kanssa luonnollisella kielellä. Eli ymmärrä kirjoitettua puhetta ja vastaa samalla tavalla. Ja jos IBM olisi rajoittunut tähän, Watson olisi jäänyt vain kokeelliseksi kokoonpanoksi. Mutta työpaikka löytyi hänelle nopeasti, ja monille yrityksille hänestä tuli todella korvaamaton työntekijä.

Kävi ilmi, että tätä osaamista voidaan soveltaa kaikkialla, missä on käsiteltävä suuria määriä strukturoimatonta dataa. Tällaisten tietojen korkealaatuista ja nopeaa analysointia varten ne on käsiteltävä kaikilla nykyaikaisilla käytettävissä olevilla työkaluilla. tietokone teknologia: koneoppiminen, laskennallinen lingvistiikka, ontologiset rakenteet ja korkean suorituskyvyn laskenta. Juuri tähän IBM Watson on suunniteltu.

IBM Watsonin ydinosaamiset voidaan tiivistää neljään kohtaan:

• Luonnollisen kielen ymmärtäminen.
• Hypoteesien rakentaminen käsiteltyjen tietojen perusteella.
• Työssä oppimista.
• Suosituksen antaminen ja siihen liittyvät tosiasiat, joihin johtopäätös perustuu.

Henkilö ei pysty analysoimaan todella suurta määrää tietoa kohtuullisessa ajassa, ja joka tapauksessa hänen on hylättävä suurin osa tiedoista korostaen hänen mielestään tärkeintä. Virheet ovat tässä väistämättömiä, lisäksi myös hylätyillä tiedoilla on merkitystä ja niiden pitäisi vaikuttaa tulokseen. Ja tässä suhteessa Watson on monta kertaa parempi kuin ihmiset: se ottaa huomioon kaiken, ei yhtään tunnettu tosiasia ei jää arvostamatta.

Järjestelmän ensimmäinen julkinen testi oli osallistuminen amerikkalaiseen Jeopardy-peliin! (Venäläinen vastine - "Oma peli"). Ilman Internet-yhteyttä, käyttämällä avoimet lähteet Tietoa, kuten koko Wikipedian tekstiä, yleisiä tietosanakirjoja ja sanakirjoja, Watson pystyi kukistamaan tämän pelin kaksi ennätyksen haltijaa.

Kutsumme sinut IBM:n asiakaskeskukseen seminaariin « Watson Analytics"Ja Hi-tech analytiikan alalla!

Lääketieteellisten tietojen määrä kaksinkertaistuu joka kolmas vuosi, ja niihin liittyvät kustannukset kasvavat 7 biljoonalla dollarilla. Terveydenhuoltoala ei pysty pysymään huikean syntymisnopeuden perässä uusi tieto, joka sisältää tiedot laboratoriotutkimuksista, lääketieteellisistä testeistä ja erilaisia ​​parametreja henkilö (paino, valtimopaine Ja niin edelleen). Noin joka 35 senttiä yhdestä käytetystä dollarista sairaanhoito, menee hukkaan.

Juuri tietojenkäsittelyn korkeat kustannukset nousivat kehityksen sysäykseen ainutlaatuinen järjestelmä IBM Watson. Se pystyy paitsi tuottamaan valtavia määriä lääketieteellistä tietoa, myös tunnistamaan pienimmätkin poikkeamat potilaiden terveydentilassa, joita jopa korkeasti koulutettu, monen vuoden kokemuksella omaava lääkäri voi missata.

IBM Watsonin kognitiivinen järjestelmä on nimetty sen luojan Thomas Watsonin mukaan. Kehittäjät onnistuivat luomaan supertietokoneen, joka pystyy käsittelemään tietoa ihmismielen tasolla. Ennen kuin teet varma johtopäätös, analyyttinen alusta IBM Watson käy läpi seuraavat vaiheet:

• asian tutkimus;
• ensisijainen haku ja hypoteesien luominen;
• tulosten suodatus;
• tosiasioiden valinta ja niiden laadun analysointi;
• tulosten yhdistäminen ja niiden arviointi.

Näin ollen supertietokoneen prosessit ihmisen kieli ja vastaa nopeasti useimpiin vaikeita kysymyksiä. Lääketiede ei ole IBM Watsonin ainoa työalue. Tee sääennuste, keksi alkuperäinen resepti ja jopa oman yrityksen pyörittäminen on paljon helpompaa tämän järjestelmän avulla. Mutta tulevaisuudessa sitä käytetään pääasiassa terveydenhuoltoalalla.

Käyttöalueet lääketieteessä

IBM Watson -supertietokone parantaa sähköisten terveyskertomusten käytettävyyttä. Tätä tarkoitusta varten tiedemiehet ovat kehittäneet erikoistyökalu nimeltään EMRA. Lääkäri voi käyttää tätä sovellusta seurantaan lääketieteellinen historia sekä yksi potilas ja hänen koko perheensä, muiden lääkäreiden sairaushistoria sekä tiedot vakuuttajista. Lisäksi sovellus on synkronoitu kuntoseuraajan kanssa, joten asiantuntijalla on mahdollisuus tarkkailla pienintäkin muutosta henkilön terveydentilassa. Tällainen kognitiivinen järjestelmä antaa kaikkien tietojen analysoinnin jälkeen yksilöllisiä suosituksia kunkin potilaan terveyden hoitamiseksi.

IBM Watson Health analysoi graafisia lääketieteellisiä tietoja eri tyyppejä. Supertietokone voi suuri nopeus tunnistaa ihmisen sisäisten elinten yksityiskohdat ja poikkeavuudet. Yhdistämällä graafista ja multimodaalista (teksti)dataa IBM Watson yksinkertaistaa huomattavasti onkologien ja radiologien työtä. Siten järjestelmä on toiminut useiden vuosien ajan Thaimaan Bumrungradin sairaalassa diagnosoimalla ja antamalla suosituksia erilaisten syöpien hoitoon.

IBM Watson -järjestelmä auttaa lääkäreitä tunnistamaan geneettisten tekijöiden roolin syövän ja harvinaisten patologioiden diagnosoinnissa ja hoidossa. Järjestelmä analysoi potilaan sähköisen sairauskertomuksen genomitiedot, suodattaa tiedot samoista sairauksista ja siirtää tiedot sen käsittelyn jälkeen erikoislääkärille.

Supertietokone auttaa ihotautilääkäreitä tunnistamaan erilaisia ​​ihosairauksia. IBM Watsonin kognitiivinen järjestelmä analysoi dermatoskoopilla saatuja kuvia. Jos asiantuntija pystyy visuaalisesti tekemään diagnoosin 75 prosentin tarkkuudella, kognitiivinen järjestelmä toimii 94 prosentin tarkkuudella.

Potilaan ei pidä huolehtia henkilötietojensa paljastamisesta. IBM takaa luottamuksellisuuden ja nimettömyyden.

IBM Watson on jo analysoimassa lääkkeitä ja auttaa lääkeyrityksiä luomaan uusia. Supertietokoneen avulla voidaan vähentää virhediagnoosien määrää, lisätä hoidon tehokkuutta ja antaa toivottomillekin potilaille mahdollisuus toipumiseen. Ajan myötä supertietokone on älykkäämpi, mikä tarkoittaa, että se auttaa lähitulevaisuudessa ehkäisemään sairauksien kehittymistä ennen kuin ne on hoidettava.

IBM Watson on yksi ensimmäisistä kognitiivisista järjestelmistä maailmassa. Tämä järjestelmä voi tehdä paljon, minkä ansiosta Watsonin ominaisuuksia hyödynnetään monilla alueilla - ruoanlaitosta tapaturmien ennustamiseen asutuilla alueilla. Yleisesti ottaen useimmat Watsonin kyvyistä eivät ole ainutlaatuisia, mutta yhdessä kaikki nämä ominaisuudet ovat erittäin voimakas työkalu ratkaisemaan erilaisia ​​asioita.

Esimerkiksi - luonnollisen kielen tunnistus, dynaaminen järjestelmäoppiminen, hypoteesien rakentaminen ja arviointi. Kaikki tämä antoi IBM Watsonille mahdollisuuden oppia antamaan suoria, oikeita vastauksia (suurella luotettavuudella) operaattorin kysymyksiin. Samalla kognitiivinen järjestelmä pystyy käyttämään suuria joukkoja globaalia strukturoimatonta dataa työhön, Suuri data. Mitkä ovat IBM Watsonin kielen kanssa työskentelyn perusperiaatteet? Tästä lisää jatko-osassa.

Luonnollisen kielen tunnistamisen tärkeimmät haasteet

Ihmisille kieli on keino ilmaista ajatuksia. Käytämme kieltä välittääksemme mielipiteitämme, tietojamme ja tietojamme. Voimme tehdä ennusteita ja muodostaa teorioita. Se on kieli, joka on tietoisuutemme kulmakivi. Samaan aikaan tässä on paradoksi: ihmisten kieli on erittäin epätarkka.

Monet termit ovat epäloogisia, ja tietokonejärjestelmien voi olla hyvin vaikea ymmärtää meitä. Miten esimerkiksi ääni voi olla ohut? Kuinka voit polttaa häpeästä? Koneelle tämä on ongelma, mutta ihmiselle täysin tavallinen asia. Tosiasia on, että kysymykseen oikein vastaamiseksi on monissa tapauksissa tarpeen ottaa huomioon olemassa oleva konteksti. Ilman riittävää faktatietoa kysymykseen on vaikea vastata oikein, vaikka voit kirjaimellisesti löytää tarkan vastauksen kysymyksen osiin.

Luonnollisen kielen käsittely – Aloitus

monet tietokonejärjestelmät osaa analysoida kieltä, mutta samalla suoritetaan pinnallinen analyysi. Tämä voi olla järkevää esimerkiksi, jotta voidaan tehdä tilastollisesti pätevä arvio tunteiden muutosten trendeistä suurilla tietomäärillä. Tässä tiedonsiirron tarkkuudella ei ole suurta merkitystä, sillä vaikka oletetaan, että väärien positiivisten tulosten määrä on suunnilleen yhtä suuri kuin väärien negatiivisten tulosten määrä, ne kumoavat toisensa.

Mutta jos kaikilla tapauksilla on väliä, pinnallisen kielianalyysin kanssa toimivat järjestelmät eivät voi enää tehdä työtään kunnolla. Näyttävä esimerkki tästä voisi olla tehtävä ääniavustaja mikä tahansa mobiililaitteet. Jos sanot "etsi minulle pizza", avustaja näyttää luettelon pizzeroista. Jos sanot esimerkiksi "älä etsi pizzaa minulle Madridista", järjestelmä etsii silti. Tällaiset järjestelmät toimivat tunnistamalla tietyt avainsanoja ja käyttämällä tiettyjä sääntöjä. Tulos voi olla tarkka tietyssä sääntöjärjestelmässä, mutta virheellinen.

Syvä luonnollisen kielen käsittely

Opettaakseen järjestelmän analysoimaan monimutkaisia ​​semanttisia rakenteita, ottaen huomioon tunteet ja muut tekijät, asiantuntijat käyttivät syvää luonnollisen kielen käsittelyä. Nimittäin kysymyksiin vastaava sisällönanalytiikkajärjestelmä (Deep Question*Answering, DeepQA). Jos vaaditaan suurempaa tarkkuutta, sinun on käytettävä lisämenetelmiä luonnollisen kielen käsittely.
IBM Watson on syvän luonnollisen kielen käsittelyjärjestelmä. Tiettyä kysymystä analysoidessaan järjestelmä pyrkii arvioimaan mahdollisimman laajaa kontekstia oikean vastauksen antamiseksi. Tämä käyttää kysymystietojen lisäksi myös tietokantatietoja.
Luonnollisen kielen syväkäsittelyyn kykenevän järjestelmän luominen mahdollisti toisen ongelman - analyysin - ratkaisemisen suuri määrä päivittäin syntyvää tietoa. Tämä on jäsentämätöntä tietoa, kuten twiittejä, viestejä sosiaaliset verkostot, raportteja, artikkeleita ja paljon muuta. IBM Watson on oppinut käyttämään kaikkea tätä ihmisten ongelmien ratkaisemiseen.

IBM Watsonin kognitiivinen järjestelmä

Watson on eri tason laskentaominaisuudet. Järjestelmä voi erottaa tietyt lausunnot luonnollisella kielellä ja löytää yhteyksiä näiden lauseiden välillä. Samaan aikaan Watson selviää tehtävästä, monissa tapauksissa jopa parempi kuin mies, vaikka tietojenkäsittely on paljon nopeampaa, työtä tehdään paljon suuremmilla määrillä - ihminen ei yksinkertaisesti pysty siihen.

Kognitiivisen järjestelmän perusominaisuudet

Järjestelmä toimii tässä järjestyksessä:

1. Kun Watson saa kysymyksen, se suorittaa sen. jäsentäminen korostaakseen ongelman pääpiirteitä.

2. Järjestelmä luo sarjan hypoteeseja skannaamalla korpusta etsimällä lauseita, jotka tietyllä todennäköisyydellä voivat sisältää vaaditun vastauksen. Johdakseen tehokas haku jäsentämättömän informaation virroissa tarvitaan täysin erilaisia ​​laskentaominaisuuksia * niitä kutsutaan kognitiivisiksi järjestelmiksi. (En oikein ymmärrä viimeistä lausetta ja tähden roolia)

3. Järjestelmä suorittaa syvän vertailun kysymyksen kielen ja kunkin mahdollisen vastausvaihtoehdon kielen välillä käyttämällä erilaisia ​​algoritmeja looginen päätelmä.

Tämä on vaikea vaihe. Päättelyalgoritmeja on satoja, ja ne kaikki tekevät erilaisia ​​vertailuja. Jotkut esimerkiksi etsivät vastaavia termejä ja synonyymejä, toiset tarkastelevat ajallisia ja spatiaalisia piirteitä, kun taas toiset analysoivat relevantteja kontekstuaalisen tiedon lähteitä.

4. Jokainen päättelyalgoritmi antaa yhden tai useamman pistemäärän, jotka osoittavat, missä määrin mahdollinen vastaus seuraa kysymyksestä algoritmin tarkastelemalla alueella.

5. Jokaiselle saadulle pisteelle annetaan sitten painoarvo tilastollisella mallilla, joka tallentaa kuinka hyvin algoritmi onnistui tunnistamaan loogiset yhteydet kahden samanlaisen lauseen välillä kyseisellä alueella Watsonin "harjoittelujakson aikana". Tätä tilastollista mallia voidaan käyttää myöhemmin määrittämään yleinen taso Watsonin luottamus siihen, että mahdollinen vastaus seuraa kysymyksestä.

6. Watson toistaa prosessin kaikille mahdollinen vaihtoehto vastaa, kunnes hän löytää vastauksia, joilla on paremmat mahdollisuudet olla oikein kuin muilla.

Kuten edellä mainittiin, järjestelmän on otettava yhteyttä, jotta kysymykseen voidaan vastata oikein lisälähteitä tiedot. Nämä voivat olla oppikirjoja, käsikirjoja, usein kysyttyjä kysymyksiä, uutisia ja kaikkea muuta. Watson käsittelee valtavia määriä tietoa sekunneissa saadakseen oikean vastauksen. Samalla myös löydetty sisältö tarkistetaan, vanhentuneet ja turhat tiedot poistetaan.

Kognitiivisen järjestelmän elementit

Watson päättelee tekstin yleisen merkityksen saaduista tiedoista, lisätietokannasta. Tämä käyttää asiakirjan otsikkoa, osaa asiakirjan tekstistä tai koko tekstiä.

Kognitiiviset järjestelmät, niiden tiedonkeruu-, muistamis- ja tiedonhakumenetelmät ovat samanlaisia ​​kuin ihmiset analysoivat tietoa. Tässä tapauksessa kognitiiviset järjestelmät voivat välittää tietoa ja toimia. Tässä on esimerkkejä käyttäytymisrakenteista, joita käytetään tässä tapauksessa:

Kyky luoda ja testata hypoteeseja;
- kyky jakaa osiin ja tehdä kielestä loogisia johtopäätöksiä;
- kyky poimia ja arvioida hyödyllistä tietoa(kuten päivämäärät, paikat ja ominaisuudet).

Ilman näitä kykyjä tietokone tai ihminen ei pysty määrittämään oikeaa suhdetta kysymysten ja vastausten välillä.
Korkeamman asteen kognitiiviset prosessit voivat saavuttaa korkeatasoinen ymmärtäminen, keskittyminen peruskäyttäytymismuotoihin. Ymmärtääksemme jotain, meidän on kyettävä jakamaan tiedot pienemmiksi elementeiksi, jotka ovat melko hyvin organisoituja kyseisellä tasolla. Fyysiset prosessit ihmisillä ne etenevät täysin eri tavalla kuin kosmisessa mittakaavassa tai alkuainehiukkasten tasolla tapahtuvat prosessit. Samoin kognitiiviset järjestelmät on suunniteltu toimimaan ihmistasolla, vaikka ne edustavat valtavasti erilaisia ​​ihmisiä.

Tässä suhteessa kielen ymmärtäminen alkaa ymmärtämisestä enemmän yksinkertaiset säännöt kieli - ei vain muodollinen kielioppi, vaan myös epämuodolliset käytännöt, joita noudatetaan jokapäiväisessä käytössä.

Mitä varten tämä kaikki on?

Nyt IBM Watsonin kognitiivinen järjestelmä pystyy useiden vuosien koulutuksen ja parantamisen ansiosta toimimaan parhaiten eri alueita. Täällä meillä on lääketiede, ruoanlaitto, kielitiede ja yritysongelmien ratkaiseminen tieteellisillä ongelmilla.

Aluksi asiantuntijoilla oli valinta - tehdä järjestelmästä universaali tai erikoistunut. Jokaisella vaihtoehdolla on omat etunsa ja haittansa, mutta valinta tehtiin monipuolisuuden suuntaan.

Yritys on jo useaan otteeseen vakuuttunut valintansa oikeasta - ennenkin

Verkkoelokuva MEGOGO sisällä sosiaalinen projekti"Katso kuinka kuulet" julkaistiin samalla nimellä interaktiivinen kanava kuulovammaisille. Kanavalla kaikki sisältö poikkeuksetta lähetetään viittomakielisellä käännöksellä.

Suurin osa sisällöstä (noin 70 %) on tarkoitettu lapsille, joilla on vaikeuksia tekstityksen ymmärtämisessä. Siksi kanavan "Look as you hear" -konseptin mukaan sarjakuvia ja lastenelokuvia näytetään täällä joka päivä aamulla, ja illalla ja yöllä on ohjelma, jossa otetaan huomioon aikuisten edut - elokuvia ja tv-sarjoja. Esimerkiksi "Time Loop", "Contact List", "Areas of Darkness", "American Hustle".

MEGOGO kertoo, että suuret studiot ja oikeudenhaltijat avaavat helposti oikeudet videotuotantoon mukana tulevasta viittomakielen tulkkauksesta. Siksi kanavalla käyttäjät voivat katsella kuuluisia menestyselokuvia ja legendaarisia elokuvia HD-laadulla.

”Yritämme tarjota viittomakielisen käännöksen jokaiseen elokuvaan, johon saamme oikeudet. Huonokuuloisilla ja -kuuloisilla tulee olla pääsy kaikkeen sisältöön, kuten kaikilla käyttäjillämme. Nyt kaikessa sisällössämme on tekstitysvaihtoehto, mutta tämä ei riitä, on niitä, jotka eivät ymmärrä tekstejä ja he tarvitsevat avustajan viittomakielen tulkin muodossa. "Look How You Hear" -kanava kohtaa kansainvälisiä trendejä ja käytäntöjä kuulovammaisten integroimiseksi yhteiskuntaan", sanoi Ivan Shestakov, MEGOGOn markkinointijohtaja.

Viittomakielinen käännös tehdään kokonaan MEGOGOn omassa studiossa, jonka verkkoelokuva lanseerasi yli 2 vuotta sitten, samanaikaisesti "Look as you kuule" -erikoisosion kanssa. Samanaikaisesti osana samannimistä projektia yhtiö alkoi säännöllisesti järjestää sarjakuvien teatteriesityksiä kuulovammaisille lapsille Ukrainassa, Venäjällä, Baltian maissa ja IVY-maissa. Jossa elokuvien lisäksi eri yhteistyökumppaneiden kanssa jaetaan nuorille katsojille lahjoja, herkkuja ja järjestetään viihdeohjelmaa.

Uusi interaktiivinen kanava "Look as you hear" on saatavilla "Cinema and TV" -tilauksilla Ukrainassa, Venäjällä, Moldovassa, Valko-Venäjällä, Kazakstanissa, Azerbaidžanissa, Tadžikistanissa, Kirgisiassa, Armeniassa ja Turkmenistanissa.

Asiantuntijoiden mukaan pelkästään Ukrainassa kuulovammaisten määrä on 1,3 miljoonaa. "Maissa entinen Neuvostoliitto niitä voi olla yli 8 miljoonaa ja heille pitäisi tarjota viihdettä. Esimerkiksi Suomessa, Ruotsissa ja Isossa-Britanniassa viittomakieli rinnastetaan kansalliskieleen. Sitä opetetaan lapsille koulussa, lääkintätyöntekijöiden, poliisien, opettajien ja huoltohenkilöstön tulee puhua viittomakieltä, ja tv-kanavien tulee näyttää vähintään tekstitykset”, hyväntekeväisyyshankkeen ”Almost” järjestäjät kertovat länsimaisesta esimerkistä.