研究人員已經(jīng)開始將機器學(xué)習(xí)技術(shù)應(yīng)用于各種社交媒體，以發(fā)現(xiàn)新冠肺炎可能正在中國以外的其他國家傳播的微妙跡象。

具體來說，該研究團隊通過機器學(xué)習(xí)從來自社交媒體、新聞報道，以及官方渠道等方面的數(shù)據(jù)中梳理出信息，然后從醫(yī)學(xué)的角度給予警告。比如，他們會在有疑似病例的地區(qū)中尋找提及呼吸道疾病和發(fā)燒等癥狀的社交帖子。

John Brownstein 是該研究團隊的一份子，同時也是哈佛醫(yī)學(xué)院的首席創(chuàng)新官。他說：

我們正在美國進行監(jiān)視工作。如果當局要分配資源并有效阻止疫情蔓延，那么就要知道病毒可能正在哪些地區(qū)傳播。因此，我們試圖從人們“口中”了解到正在發(fā)生的事情。

盡管根據(jù)世界衛(wèi)生組織的官方數(shù)據(jù)，最近新冠病毒感染率有所下降，而且，相比起來，在中國之外的新冠肺炎確診病例少之又少;不過，國際社會對病毒的傳播仍充滿擔憂，因為目前尚不清楚病毒的傳播是否真的得到了緩解，也有可能是新的感染正在變得難以追蹤——對此，AI 能夠派上用場。

相比起 SARS 期間，本次的新冠病毒有了更多可追蹤的資源，比如社交平臺和大數(shù)據(jù)。但是，要在大量的實為普通感冒和流感癥狀的猜測中，以及海量的謠言中找到新冠病毒感染的跡象是一個巨大的挑戰(zhàn)。因此，John Brownstein 團隊對模型進行重新訓(xùn)練，以分辨出不同的術(shù)語和癥狀。

目前，John Brownstein 團隊的機器學(xué)習(xí)模型已被證明能夠在大數(shù)據(jù)中找到疑似新冠病毒感染的病人。除此之外，該模型還可以幫助專家了解病毒的行為，可以更快地定位到存在風(fēng)險的人群和地區(qū)。

東北大學(xué)教授 Alessandro Vespignani 致力于研究大型人群的傳染病建模。他表示，即使使用目前最先進的 AI 工具，從社交媒體上識別出新冠病毒的潛在新病例也不是一件簡單的事，因為人們還未完全悉知其特征，也沒有相關(guān)的歷史數(shù)據(jù);不過可以明確的是，將 AI 和其它技術(shù)結(jié)合起來“可能非常強大”。

John Brownstein 團隊一方面通過 AI 模型從社交媒體和大數(shù)據(jù)中定位可能感染新冠病毒的人，另一方面正在與位于波士頓的 Buoy 公司進行合作，這家公司通過門戶網(wǎng)站為美國數(shù)百萬人提供健康建議。也就是說，Buoy 公司負責(zé)收集懷疑自己已經(jīng)感染新冠病毒的用戶的信息，并為用戶提供相關(guān)的建議，然后將這些數(shù)據(jù)提供給 John Brownstein 團隊。

實際上，AI 在本次于武漢爆發(fā)的新冠肺炎疫情中的貢獻不止于此。早在 2019 年 12 月 31 日，加拿大健康監(jiān)測公司 BlueDot 就已經(jīng)通過 AI 技術(shù)檢測到了風(fēng)險，并向外界發(fā)出警告，避開武漢等危險區(qū)域。

BlueDot 創(chuàng)始人兼首席執(zhí)行官 Kamran Khan 說：

我們知道不能依賴政府于政府，因為疫情爆發(fā)迅速，而政府的信息有滯后性。因此，我們可以從新聞、論壇等平臺收集一些可能有關(guān)的信息，這樣能夠更快地知道某時某地正在發(fā)生什么。

不過，Kamran Khan 也認為社交媒體的信息冗多雜亂，追蹤全球范圍內(nèi)的機票數(shù)據(jù)是一個不錯的方式。

盡管各國政府可以通過智能手機的來追蹤個人，但這一方式終究不如了解更廣泛的趨勢和動態(tài)更行之有效。英國南安普敦大學(xué)教授 Andy Tatem 說道：

目前，疫情主要還是在中國爆發(fā)，但它其實是一個世界范圍的問題，如果病毒傳播到了缺乏衛(wèi)生保健資源的國家中，后果將十分讓人擔憂。