科技行者 2月24日 北京消息:一大批計(jì)算機(jī)科學(xué)家正在追蹤新冠病毒的動(dòng)向。這種被正式定名為“COVID-19”的新型冠狀病毒,可導(dǎo)致嚴(yán)重呼吸道疾病,重癥者可致死,該病毒最初于2019年12月在武漢爆發(fā),截至目前累計(jì)感染超過(guò)75000人,死亡人數(shù)以千計(jì),盡管中國(guó)境內(nèi)的新增病例數(shù)量已經(jīng)開(kāi)始下降,但人們普遍擔(dān)心這波疫情會(huì)在新加坡、日本、韓國(guó)、香港以及泰國(guó)引發(fā)新一輪動(dòng)蕩。
來(lái)自波士頓東北大學(xué)(Northeastern University)計(jì)算機(jī)科學(xué)家Alessandro Vespignani已經(jīng)開(kāi)發(fā)出一種針對(duì)“COVID-19”的預(yù)測(cè)模型,他的團(tuán)隊(duì)打造出EpiRisk工具,用于評(píng)估感染者將疾病傳播到世界其他地區(qū)的可能性,此外,該工具還能跟蹤各國(guó)旅行禁令,核實(shí)政府管控是否有效。為阻止這波全球流行性疾病,Alessandro Vespignani介紹了計(jì)算機(jī)行業(yè)如何抵御疫情。
Alessandro Vespignani: 過(guò)去幾天,我們看到不少振奮人心的跡象,特別是中國(guó)境內(nèi)的新增病例在減少。
Alessandro Vespignani: 可以說(shuō)沒(méi)有特別的重點(diǎn),因?yàn)槲覀兊貌扇∫磺斜匾胧?。我們需要了解中?guó)內(nèi)地的疾病傳播情況,以及干預(yù)措施效果;我們需要了解,其他地區(qū)是否出現(xiàn)了疫情蔓延的信號(hào);我們需要了解,是否已經(jīng)有某些區(qū)域成為新的流行病中心。在這一階段,每個(gè)問(wèn)題都很重要,沒(méi)有輕重緩急之分。
Alessandro Vespignani:EpiRisk工具建模方案的核心,在于利用一切可用的數(shù)據(jù)源。
目前,我們主要關(guān)注來(lái)自中國(guó)及其周邊國(guó)家的監(jiān)控?cái)?shù)據(jù),當(dāng)然,社交媒體與新聞內(nèi)容也會(huì)被整理起來(lái)。
首先,我們會(huì)對(duì)這種流行病進(jìn)行建模,實(shí)現(xiàn)態(tài)勢(shì)感知,特別是建立起對(duì)中國(guó)境外的疫情態(tài)勢(shì)感知體系——因?yàn)槲覀円呀?jīng)基本掌握有多少人從中國(guó)疫情重災(zāi)區(qū)前往其他國(guó)家,所以配合目前國(guó)際上發(fā)現(xiàn)的COVID-19境外病例,就能基本推斷出其他地區(qū)的疫情規(guī)模。一般來(lái)說(shuō),這類(lèi)預(yù)測(cè)通常只能由官方確認(rèn)并發(fā)布,但我們?cè)谡莆諗?shù)據(jù)后往往能夠提前做出這些預(yù)測(cè)。
接下來(lái),我們會(huì)利用模型研究出行限制等干預(yù)性措施會(huì)給疾病的實(shí)際傳播帶來(lái)哪些影響。在武漢及其周邊地區(qū),機(jī)場(chǎng)全面關(guān)閉、長(zhǎng)途運(yùn)輸叫停、學(xué)校停課。我們正努力了解這些措施能夠在中國(guó)本土帶來(lái)怎樣的疫情控制效果,同時(shí)分析中國(guó)境外出現(xiàn)新增病例的可能性。
▲ 圖為EpiRisk
Alessandro Vespignani:在我們這個(gè)領(lǐng)域中,工作內(nèi)容基本分為兩種:在不存在緊急狀況或者健康威脅地,進(jìn)行正常研究——或者說(shuō)和平時(shí)期研究;另外就是現(xiàn)在這種,我們可以稱(chēng)其為「戰(zhàn)爭(zhēng)時(shí)期」。
遺憾的是,每當(dāng)發(fā)生“COVID-19”疫情這類(lèi)突發(fā)情況時(shí),我們只能利用有限的數(shù)據(jù)配合一系列假設(shè),對(duì)不斷變化的形勢(shì)做出有限的預(yù)測(cè)。有時(shí)候,新的消息一到,我們就得把前一天整理出的所有結(jié)果全部推翻。很忙,確實(shí)很忙。
但在這場(chǎng)戰(zhàn)爭(zhēng)中,真正沖鋒陷陣的是那些前線(xiàn)醫(yī)生、護(hù)士以及公共衛(wèi)生人員,他們才是承擔(dān)起風(fēng)險(xiǎn)的群體。作為計(jì)算機(jī)科學(xué)家與計(jì)算流行病學(xué)家,我們的工作為他們提供情報(bào),幫助他們找出敵人的行動(dòng)規(guī)律。
Alessandro Vespignani:我們經(jīng)常跟其他研究團(tuán)隊(duì)以及機(jī)構(gòu)進(jìn)行全球電話(huà)會(huì)議,我在電話(huà)會(huì)議里見(jiàn)過(guò)的團(tuán)隊(duì)至少有80到100個(gè)。這些團(tuán)隊(duì)帶來(lái)各種專(zhuān)業(yè)知識(shí),有些團(tuán)隊(duì)負(fù)責(zé)進(jìn)行系統(tǒng)發(fā)育分析與遷移建模,有些人主要關(guān)注預(yù)測(cè)、即時(shí)預(yù)報(bào)以及長(zhǎng)期投影分析等等。與以往的流行病應(yīng)對(duì)情況相比,如今各類(lèi)科學(xué)團(tuán)隊(duì)與機(jī)構(gòu)之間的協(xié)作與溝通水平,明顯上了臺(tái)階。
Alessandro Vespignani:我覺(jué)得沒(méi)必要。這有點(diǎn)像天氣預(yù)報(bào)或者自然災(zāi)害預(yù)報(bào)。如果所有模型都指向同一個(gè)大體方向,而且結(jié)果基本保持統(tǒng)一,那么結(jié)果就是可信的。疾病建模也是如此,畢竟沒(méi)有哪兩套模型會(huì)完全相同。每個(gè)人都會(huì)使用不同的人口統(tǒng)計(jì)數(shù)據(jù),對(duì)于某些年齡段的相對(duì)易感性采取不同的假設(shè)。如果非要把這么多不同的模型整合起來(lái),肯定會(huì)帶來(lái)新的問(wèn)題——有新問(wèn)題,就有與之對(duì)應(yīng)的處理需求,這會(huì)讓問(wèn)題變得更復(fù)雜。
Alessandro Vespignani:例如,美國(guó)的疾控中心(美國(guó)疾病控制與預(yù)防中心)幾年前曾建立“FluSight”項(xiàng)目,通過(guò)引入建模研究團(tuán)隊(duì),協(xié)助預(yù)測(cè)季節(jié)性流感。這類(lèi)項(xiàng)目最終建立起一個(gè)社區(qū)體系,并以為樞紐打通各機(jī)構(gòu)之間的聯(lián)系通道。世界各地的其他機(jī)構(gòu)也參與到類(lèi)似的體系中來(lái),希望將原本分散的力量統(tǒng)一,為防疫抗疫提供輔助。
Alessandro Vespignani:肯定可以,項(xiàng)目中也包含諸如計(jì)算與算法開(kāi)發(fā)之類(lèi)的工作,既然不了解什么是計(jì)算流行病學(xué),普通的計(jì)算機(jī)科學(xué)家也完全能夠很好地解決這些任務(wù)。另外,如果大家有意參與其中,首先應(yīng)該與已經(jīng)在傳染病建模領(lǐng)域具備一定經(jīng)驗(yàn)的老手們合作,這樣可以盡量規(guī)避最初接觸時(shí)的種種常見(jiàn)錯(cuò)誤,盡快投身到對(duì)抗疫情的核心工作當(dāng)中。
好文章,需要你的鼓勵(lì)
這項(xiàng)研究提出了"高效探測(cè)"方法,解決了掩碼圖像建模AI難以有效評(píng)估的問(wèn)題。通過(guò)創(chuàng)新的多查詢(xún)交叉注意力機(jī)制,該方法在減少90%參數(shù)的同時(shí)實(shí)現(xiàn)10倍速度提升,在七個(gè)基準(zhǔn)測(cè)試中均超越傳統(tǒng)方法。研究還發(fā)現(xiàn)注意力質(zhì)量與分類(lèi)性能的強(qiáng)相關(guān)性,生成可解釋的注意力圖譜,展現(xiàn)出優(yōu)異的跨域適應(yīng)性。團(tuán)隊(duì)承諾開(kāi)源全部代碼,推動(dòng)技術(shù)普及應(yīng)用。
伊利諾伊大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了CLAIMSPECT系統(tǒng),通過(guò)層次化分解復(fù)雜爭(zhēng)議、智能檢索相關(guān)文獻(xiàn)、多角度收集觀點(diǎn)的方法,將傳統(tǒng)的"真假"判斷轉(zhuǎn)變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動(dòng)構(gòu)建爭(zhēng)議話(huà)題的分析框架,識(shí)別不同觀點(diǎn)及其支撐證據(jù),為科學(xué)和政治爭(zhēng)議提供更全面客觀的分析,已在生物醫(yī)學(xué)和國(guó)際關(guān)系領(lǐng)域驗(yàn)證有效性。
清華大學(xué)研究團(tuán)隊(duì)首次提出情感認(rèn)知融合網(wǎng)絡(luò)(ECFN),讓AI能像人類(lèi)一樣理解和表達(dá)情感。該系統(tǒng)通過(guò)多層次情感處理架構(gòu),在情感識(shí)別準(zhǔn)確率上比現(xiàn)有最佳系統(tǒng)提升32%,情感表達(dá)自然度提升45%。研究突破了傳統(tǒng)AI情感理解的局限,實(shí)現(xiàn)了跨模態(tài)情感融合、動(dòng)態(tài)情感追蹤和個(gè)性化情感建模,為醫(yī)療、教育、客服等領(lǐng)域帶來(lái)革命性應(yīng)用前景。
哈佛大學(xué)研究團(tuán)隊(duì)通過(guò)創(chuàng)新的多智能體強(qiáng)化學(xué)習(xí)方法,讓AI在戰(zhàn)略游戲中學(xué)會(huì)復(fù)雜推理。研究發(fā)現(xiàn)AI通過(guò)游戲競(jìng)爭(zhēng)能發(fā)展出類(lèi)人思維能力,在邏輯推理、創(chuàng)造性解決問(wèn)題等方面表現(xiàn)顯著提升。這項(xiàng)突破性成果為未來(lái)AI在醫(yī)療、教育、城市管理等領(lǐng)域的應(yīng)用奠定基礎(chǔ),展現(xiàn)了通過(guò)模擬人類(lèi)學(xué)習(xí)過(guò)程培養(yǎng)真正智能AI的新路徑。