疾控女俠吳凡:帝國理工人工智能為何算錯上海新冠感染病例
2020年07月11日14:34

原標題:疾控女俠吳凡:帝國理工人工智能為何算錯上海新冠感染病例

7月11日,2020世界人工智能大會雲端峰會的AI+公共衛生專題論壇邀請“疾控女俠”複旦大學上海醫學院副院長吳凡和“硬核醫生”複旦大學附屬華山醫院教授張文宏與主持人對話。

吳凡

在對話過程中,主持人提問,大數據分析在傳染病智能預警方面取得了什麼成效,會對未來抗疫帶來怎麼樣的啟示意義。

對此,吳凡肯定了大數據在其中的作用。她認為,首先,有了大數據和人工智能之後,不同地方發現的散在病例,如果彼此之間有關聯,可以第一時間顯現,這是動態感知的作用。

第二,這些技術還可以疊加其它的大數據來進行深度挖掘和分析,例如分析病例的發生與時間、空間、氣象等因素之間的關聯。

第三,還可以起到監測和預警的作用,例如預測蚊子的生長,“如果這個地區有登革熱和瘧疾,將會呈現什麼樣的趨勢”。

但她特別強調一點,人和機器、大數據是互動的關係。“大家是不是想如果有了這些數據,機器都能夠給我們解決問題了,那還要人幹嘛?”

“這裏最典型的就是我們這次新冠疫情,大家都知道英國的帝國理工給上海預測,說上海按照城市的人口密度和人員的流量,新冠疫情應該是80萬感染者。但我們本土病例只有341個人。有幾個數量級的差異。”

“那為什麼他算錯了呢?大家用的都是傳染病動力模型,為什麼能差這麼多?”

吳凡認為,原因在於人,“在人這幾顆腦袋上”。“模型是一樣的,但傳染病在不同地區,有不同的流行態勢、不同參數。而這些參數的估計是靠人來估計,要不然要專家幹什麼?”

她介紹,上海不僅用傳染病動力模型來預測,還加入了人的社會交往的神經網絡模型。“同樣是2000萬人,你是在家裡種地的?各歸各的?還是聚集在一起的?”這種人的行為模型決定了傳染病的傳播動力和模式不同。

“所以這些模式的界定和參數的給定、設置,它需要(人)依據科學在經驗的基礎上,給出不同的參考值,它(機器)才能算得準。”

關注我們Facebook專頁
    相關新聞
      更多瀏覽