除了口罩成為生活必需品,進出一些場所必須掃健康碼,在中國,我們其實已經(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憂。
他的擔憂的來自這樣一個判斷:
一種全球性流行病的終結,疫苗是最靠譜的手段。
對于新冠疫情而言,至少要達到70%的疫苗防護率,才足以構成有效免疫屏障??紤]到疫苗的防護率不是100%,如果按照90%計算,或許只有理想的接種率達到80%以上,才能真正實現(xiàn)群體免疫。
與之相比,目前中國的實際情況是,疫苗普及率還不到10%。
因此接下來可能會出現(xiàn)這樣一種情況:當經(jīng)濟發(fā)達國家在今年底,通過疫苗完成免疫屏障,從而開放國門時,我們可能因為多數(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。
這種擔憂其實正在成為現(xiàn)實,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調疫苗的重要性。
而普遍大眾對疫苗的擔心,其實是一種普遍現(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,和對實際經(jīng)濟情況所造成的損失,要遠遠大于交通事故。
新冠疫苗在全球注射以來,確實人群會有一些不良反應。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)生的擔心,甚至超過了對新冠疾病的擔心,這一點從國內5%的普及率就看得出來了。
究其原因,其實是「不可控」三個字。
我們對于可控的事情,即使其危險,也會比較淡定。但對于不可控的事情,即使其不危險,也會產(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,是人類司機造成的,可我們對此熟視無睹。然而只要有一起AI自動駕駛汽車造成人類死亡,我們就會陷入嚴重恐慌。
因為我們對人是熟悉的,對于機器是陌生的。
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)生的憂慮還會持續(xù)下去。而解決問題的辦法,似乎也只有一個,要在全社會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,才知道打了疫苗會有啥不正常的時候,大家也就可以安心的打疫苗了。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。