人工智能模型说明了持续的社交距离的重要性

随着第19号致命传染病在世界各国的肆虐有增无减,那些被迫在当地避难的人有一个共同的愿望,那就是看看社会疏远在多大程度上减缓了这种疾病的传播。这是可以理解的——政府强制关闭企业的附带损害可能会摧毁整个行业。据美国劳工统计局(U.S. Bureau of Labor Statistics)的数据,截至本周,已有2,600万美国人申请失业救济。国际货币基金组织(International Monetary Fund)预计,全球金融危机将堪比大萧条(Great Depression)。

幸运的是,由德克萨斯大学、西南研究所和圣安东尼奥的德克萨斯大学健康科学中心的研究人员发表的一份预印本研究强烈暗示,隔离和身体距离正在产生预期的效果。使用混合人工智能系统称为SIRNet和几个流行病学模型,被训练在智能手机位置数据以及加权人口分析其他数据点密度和启动安全图,世界卫生组织,美国疾病控制和预防中心和其他地方,合著者声称他们设法准确地预测各种社会距离政策的结果。

人们可以在德克萨斯大学COVID-19建模联盟发布的网站上查看他们州的预测。

研究人员系统摄取的数千万部智能手机的国家、州和国家层面的位置数据被用来预测接触率、人口密度以及一个地区内人们之间的移动和互动。这是策划针对COVID-19情况统计数据,特别是一组时间序列捕获活动,恢复,和死亡病例的COVID-19不同级别的地理粒度,研究者应用为期10天的滞后之间的延迟时间占传染性和接收一个积极的测试确认。

研究人员报告说,根据对未来三周的预测(该系统的最大值),只有持续的“隔离级别的流动性”才会导致较低的covid19病例数。如果限制减少约50%,该系统预计一些社区将达到稳定的高峰病例的边缘,在那里死亡曲线将保持在一个低的高峰或快速,急剧增加。如果75%的人口能够像正常情况下一样自由移动,该系统预测结果将是一个稍微延迟的峰值,大约是100%移动时最大峰值的2/3(韩国除外)。

在德克萨斯州的Bexar县,截至4月11日,当地的流动性约为正常水平的50%,放松社交距离的措施可能导致死亡和住院人数的“失控增长”。系统显示。相比之下,在华盛顿的金县(King County),严格的交通限制依然存在,该系统预测,如果继续采取这些措施,到6月,新增死亡人数将降至接近零的水平。

该系统与麻省理工学院(MIT)在4月初的一份预印版论文中详细描述的一个模型相符。预印版论文发现,在政府立即介入的韩国等地,病毒的传播速度停滞得更快。根据从武汉(中国)、意大利、韩国和美国收集的数据进行训练。在每个地区记录到第500个病例后,它学会了预测感染传播的模式,得出了隔离措施与病毒有效繁殖数量减少之间的相关性。

今年早些时候发表的一份单独的模型——微软研究员印度理工学院和TCS研究(R& D的塔塔咨询服务公司)——学习策略自动的函数参数如传染性疾病,妊娠期,症状持续时间,死亡的概率,人口密度和运动倾向。在持续52周(364天)的75次模拟过程中,结果显示,那些控制了5%到10%的社区的政府经历了一个较低的covid19感染高峰。

在其他地方,一个国际研究团队利用百度提供的人类移动数据,阐明了COVID-19在中国城市中传播的作用。他们发现,在实施控制和遏制措施后,19例脊髓灰质炎病例的地理分布与移动性之间的相关性下降,大多数地区的增长率为负值,这表明这些措施缓解了19例脊髓灰质炎病例的传播。

尽管这些预测可能令人鼓舞,但重要的是要记住,即使是最好的算法——如HealthMap、Metabiota和BlueDot开发的算法(它们是最早准确识别COVID-19传播的算法之一)——也只能从历史数据中学习模式。正如布鲁金斯学会(Brookings Institution)在最近的一份报告中所指出的,虽然一些流行病学模型使用了人工智能,但流行病学家在很大程度上使用的是整合了相关专业知识的统计模型。

布鲁金斯学会报告的作者写道:“仅凭计算能力不足以评估预测的质量。”“如果管理不当,人工智能算法将不遗余力地找出与它试图预测的结果相关的数据模式。”然而,这些模式可能是完全没有意义的,只有在开发过程中才会出现。”

然而,这些模型提供了大量的证据,支持隔离和疏远政策——即使这些政策受到抗议者的攻击。

关于人工智能的报道,给卡里·约翰逊和凯尔·维格桑达伊的编辑塞思·科兰纳发送新闻提示——一定要订阅人工智能每周通讯,并将我们的人工智能频道加到书签里。

相关推荐