除了口罩成為生活必需品,進(jìn)出一些場所必須掃健康碼,在中國,我們其實(shí)已經(jīng)不太容易感受到新冠疫情的存在了。
但是,張文宏醫(yī)生最近談疫情的頻率卻變高了。只不過,他現(xiàn)在談的不是疾病,而是疫苗。我們能夠明顯感覺到,張文宏醫(yī)生對于目前中國疫苗的普及速度非常擔(dān)憂。
他的擔(dān)憂的來自這樣一個(gè)判斷:
一種全球性流行病的終結(jié),疫苗是最靠譜的手段。
對于新冠疫情而言,至少要達(dá)到70%的疫苗防護(hù)率,才足以構(gòu)成有效免疫屏障。考慮到疫苗的防護(hù)率不是100%,如果按照90%計(jì)算,或許只有理想的接種率達(dá)到80%以上,才能真正實(shí)現(xiàn)群體免疫。
與之相比,目前中國的實(shí)際情況是,疫苗普及率還不到10%。
因此接下來可能會(huì)出現(xiàn)這樣一種情況:當(dāng)經(jīng)濟(jì)發(fā)達(dá)國家在今年底,通過疫苗完成免疫屏障,從而開放國門時(shí),我們可能因?yàn)槎鄶?shù)人還沒有免疫能力,只能繼續(xù)封鎖邊境。
疫苗的倒掛,就會(huì)變成疫情的倒掛。我們前期疫情防控做的好,階段性自由;后期別人疫苗普及率更高,長期自由。
這種擔(dān)憂其實(shí)正在成為現(xiàn)實(shí),拿全球疫苗普及率最高的以色列來說,聽說已經(jīng)打算開放郵輪旅游了。
張醫(yī)生已經(jīng)把道理說的很清楚了。所以我在這里不打算強(qiáng)調(diào)疫苗的重要性。
而普遍大眾對疫苗的擔(dān)心,其實(shí)是一種普遍現(xiàn)象——說到底,我們對不同事物的潛在傷害,有不同的評估權(quán)重。
就拿開車來說,根據(jù)世衛(wèi)組織在2018年12月發(fā)布的《道路交通傷害》報(bào)告,全球每年有135萬人死于道路交通事故。
具體到國家,中國是每年6萬人,美國是每年4萬人。
而新冠疫情出現(xiàn)以來,全球造成的死亡人數(shù)是6萬人,是一個(gè)國家的交通事故死亡人數(shù)水平,是全球數(shù)字的5%。
但新冠疫情對我們心靈所造成的恐慌,和對實(shí)際經(jīng)濟(jì)情況所造成的損失,要遠(yuǎn)遠(yuǎn)大于交通事故。
新冠疫苗在全球注射以來,確實(shí)人群會(huì)有一些不良反應(yīng)。在有些國家,甚至有注射后死亡的案例(不過,無法確定是疫苗造成的問題,還是人本身就有疾病在身)。
總體而言,這個(gè)數(shù)字比例是很低的。然而,似乎人們對疫苗安全性產(chǎn)生的擔(dān)心,甚至超過了對新冠疾病的擔(dān)心,這一點(diǎn)從國內(nèi)5%的普及率就看得出來了。
究其原因,其實(shí)是「不可控」三個(gè)字。
我們對于可控的事情,即使其危險(xiǎn),也會(huì)比較淡定。但對于不可控的事情,即使其不危險(xiǎn),也會(huì)產(chǎn)生焦慮。
我們還是舉交通的例子,全球百萬人死亡的交通事故,是人類司機(jī)造成的,可我們對此熟視無睹。然而只要有一起AI自動(dòng)駕駛汽車造成人類死亡,我們就會(huì)陷入嚴(yán)重恐慌。
因?yàn)槲覀儗θ耸鞘煜さ模瑢τ跈C(jī)器是陌生的。
同樣,我們對于新冠疫情是熟悉的,但對于新冠疫苗是陌生。
我猜,張文宏醫(yī)生的憂慮還會(huì)持續(xù)下去。而解決問題的辦法,似乎也只有一個(gè),要在全社會(huì)建立大家對疫苗的熟悉感。
不僅是疫苗有效率的熟悉感,也包括不良反應(yīng)的熟悉感。
如果有一天,大家不需要通過向周圍人打聽,才知道打了疫苗會(huì)有啥不正常的時(shí)候,大家也就可以安心的打疫苗了。
好文章,需要你的鼓勵(lì)
這項(xiàng)研究提出了"高效探測"方法,解決了掩碼圖像建模AI難以有效評估的問題。通過創(chuàng)新的多查詢交叉注意力機(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)開發(fā)了CLAIMSPECT系統(tǒng),通過層次化分解復(fù)雜爭議、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)建爭議話題的分析框架,識(shí)別不同觀點(diǎn)及其支撐證據(jù),為科學(xué)和政治爭議提供更全面客觀的分析,已在生物醫(yī)學(xué)和國際關(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能像人類一樣理解和表達(dá)情感。該系統(tǒng)通過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)域帶來革命性應(yīng)用前景。
哈佛大學(xué)研究團(tuán)隊(duì)通過創(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通過游戲競爭能發(fā)展出類人思維能力,在邏輯推理、創(chuàng)造性解決問題等方面表現(xiàn)顯著提升。這項(xiàng)突破性成果為未來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)了通過模擬人類學(xué)習(xí)過程培養(yǎng)真正智能AI的新路徑。