在疫情防控中,追踪新冠肺炎症状尤其重要。目前的主要手段是依靠人力,但是也存在难点,比如耗时长,又如人们很难针对不同患者进行精准追踪……
有没有更有效的解决办法?获得2018年图灵奖的深度学习理论大师、蒙特利尔大学计算机学教授约书亚·本希奥,在今天开幕的2020世界人工智能大会云端峰会上表示,可以“训练手机”,通过人工智能与机器学习来辅助人工追踪。
手机在“学习”之前,首先要了解新冠肺炎的特点。约书亚·本希奥介绍说,新冠肺炎病毒的重要特征就是能够人传人。一个病例的出现,往往意味着他在出现症状之前就具有传染性。所以疫情防控部门迫切希望扩大检测范围和内容。人工追踪需要时间,如果减少这段时间,就能大大减少病毒传播。
每个病例体质不同,症状也不尽相同,接触的人群也不同。这些碎片信息如何用来做预测? “最好的办法就是机器学习。”约书亚·本希奥认为,把这些信息整合分析,就能确定一个人是不是已经被传染了,或者处于传染的哪个阶段。
手机用于收集数据的工具,就成为机器学习的最佳载体。手机的风险预测器会接受以下的信息,包括:有没有基础疾病、年龄性别、行为相关的信息;在外面或者封闭空间或者工作场所有没有戴口罩;工作的地方有没有玻璃挡着;有没有坐过公共交通工具;家里住多少人……这些都有可能影响一个人是否受到感染。同意分享数据的人,也不必担心隐私信息被泄露。服务器只知道症状感受如何,知道这个人是否进行过核酸检测,阳性还是阴性。
这种技术未必能够完全取代人工的信息跟踪,但能提供很多重要信息——从公共卫生角度来说,它可以预测某个区域有没有可能出现大疫情。对个人来说,有可能感染的人,就能通过手机预测出传染性,向过去几天见过的所有人发信息提醒他们待在家里隔离。风险没有那么高的人,则可以照常生活,不需要接受强制隔离。
不过这种技术也不是毫无成本。约书亚·本希奥提醒,在算力和带宽方面,有可能需要付出较大成本。在这方面还需要进一步研究优化。