广告

借助AI和大数据,打赢这场全球战“疫”!

结合大数据进行预测和分析,以及AI和各种热传感器,可望有效控制COVID-19疫情扩散,让致死病例数降至最低,凝聚全球力量,打赢这场“看不见敌人”的战“疫”...

新型冠状病毒(COVID-19)源于一种与严重急性呼吸道症候群(SARS)和普通感冒有关的冠状病毒。结合大数据和预测分析,以及人工智能和各种热传感器,可望有效控制这种传染病的疫情扩散,从而使其致死病例数降至最低。2Ltesmc

由于目前对于这种病毒的检测能量有限,经常无法确定究竟有多少受到感染的病例数,使得这种病毒的真正危险性仍令人存疑。资料分析技术对于支持流行病学专家具有决定性的贡献。2Ltesmc

资料分析就和数学一样,扮演着基本的作用。如同过去几年一样,资料科学先驱对于世界的影响深远,在疾病扩散之际,利用资料和分析推动重大改变与进展。2Ltesmc

从历史发展轨迹来看,资料分析的最早应用之一是在1854年伦敦宽街霍乱爆发(1854 Broad Street cholera outbreak)事件。第一批资料导向的流行病学家之一约翰·斯诺(John Snow)对于伦敦的致死案进行地理空间分析,从而隔离了疾病的来源。根据John Snow的分析,英国当局才能精准地采取防疫措施,迅速掌握传染病的扩散。2Ltesmc

如何评估资料?

透过资料分析系统执行各种模型,已经证实能够大致上评估趋势的发展。例如最常见的“易感-感染-康复”(Susceptible-Infective-Recovered;SIR)模型,这种流行病学模型用于计算“在一个存在具传染力病例的密闭空间中,被感染病例随着时间逐渐增加的理论数”。该模型使用耦合方程式分析易感染人数S(t)、被感染人数I(t)以及康复人数R(t)。最简单的SIR模型之一是Kermack-McKendrick模型,这种流行病模型也被认为是许多其他同类分析模型的基础,其中,我发现Ettore Mariotti的分析最有意思。2Ltesmc

首先要有一个岛屿,即人们无法自由进出的系统。在某个特定时间下,每个人可能存在以下某种状态之一:易感染、被感染和康复,因为从未患此病的人(S)很可能发病并在某个时间被感染(I),然后康复(R)。以CoVID-19而言,更适于为此SIR模型中增加一项“已暴露”(Exposed)状态,这包括了带有病毒但尚未感染确诊者(无症状带原者)——SEIR模型。2Ltesmc

SEIR model2Ltesmc

图1:SEIR模型 (来源:triplebyte.com)2Ltesmc

该SEIR模型考虑了两项因素:病毒的动态以及个体之间的互动。后者极其复杂,因而需要采用资料分析技术。透过这些模型与技术,让我们可以定义R0参数,用于表示被每一位被感染者可能传染的人数。2Ltesmc

例如,假设某个人A发病了,而系统中的R0 = 2,这表示A将会传染给2个人。这2个人分别传染给4个人,而这4个人将会分别再传染给2个人(因此4 x 2 = 8),依此类推。这突显了疾病是以乘法而非累加方式快速扩散。 R0可以发生如图2所示的3种基本情况。2Ltesmc

Ro Basic scenarios2Ltesmc

图2: R0基本情况(来源:Triplebyte.com)2Ltesmc

关闭学校、体育馆等,减少了人们的社交互动,因而降低了R0。医疗系统是有限的,因此,将此参数降低到低于1极其重要。如果R0 > 1,那么疾病就会传播开来;唯有当R0 < 1时,才能让疾病消失。因此,为了减少R0,我们可以合理地期望政府采取更严格的政策来限制人们的行动性。2Ltesmc

值得注意的是,R0衡量的是疾病的潜在传播途径,而非疾病传播的速度。以流感病毒的普遍性来看,其R0仅为1.3。 R0值过高是引发群众担忧的原因,而不是引起恐慌的原因。2Ltesmc

R0是平均值,因此可能受到超级传播者事件等因素影响。超级传播者是指一个被感染者传染给很多人。在SARS和MERS流行期间以及目前的Covid-19大流行期间,发生了多起与超级传播者有关的事件。这一类事件并不一定是坏兆头,因为它们可能显示持续让疫情流行的人数减少了。而且超级传播者可能也更易于掌握和遏止,因为他们的症状可能相当严重。2Ltesmc

简言之,R0是持续变动中的参数。追踪每一个确诊案例以及疾病的传播极其困难,因此,R0的估算既复杂又具挑战性。其估算值经常随着新资料出现而改变。2Ltesmc

那么,哪些技术解决方案能够减缓或终止Covid-19的传播并有效控制R0?当然,利用最新的AI技术结合手机GPS移动的资料,可以建立分析模型,用于预测哪些社区更有可能发生未来感染状况或哪些社区需要紧急采取消毒等行动。2Ltesmc

大数据、AI与传感器

以传染病而言,临床资料在质和一致性方面的变动可能较大,甚至包括出现假阳性患者。大数据和AI可用于检查是否达到隔离要求,而机器学习则可用于药物研究。这些都是新数位技术为缓解冠状病毒紧急情况而发展出来的解决方案,像是许多亚洲国家,还采用数位技术成功实施各种防疫措施。2Ltesmc

配备智能扫描仪和相机系统的无人机可用于检测那些不遵守隔离措施的民众,还可以量测人们的体温。例如中国大陆和台湾使用智能相机拦截未戴口罩者,同时执行即时热感应以侦测是否有发烧的情况。2Ltesmc

例如,中国AI公司SenseTime开发了一款即使戴着口罩也能扫描人脸的平台,而阿里巴巴(Alibaba)则开发了基于AI的新型冠状病毒诊断系统。 SenseTime的非接触式温度检测软体已经实施于北京、上海和深圳的地铁站、学校和公共中心。同时,阿里巴巴开发基于AI的Covid-19诊断系统透过电脑断层扫描(即CT扫描)检测是否感染新型冠状病毒,据称准确率高达96%。2Ltesmc

virus evolution, graph.ai2Ltesmc

图3:病毒的进化(来源:graphen.ai)2Ltesmc

Graphen与美国哥伦比亚大学(Columbia University)合作,尝试定义每个病毒基因定序的典型形式,并找出其变体。它采用模拟人脑功能的Ardi AI平台,储存这些变异的资料并使以视觉化呈现。在图3中,每个红点代表一个病毒,绿点则代表一组具有相同的基因组序的病毒。点选红点还可查看病毒的资讯,包括位置、性别与年龄等。2Ltesmc

大数据是控制疫情的另一种有效工具。在紧急期间,它已被广泛用于改善监控系统,以绘制病毒传播图。2Ltesmc

大数据的撷取和处理,需要设计用于收集和分析的新方法和新技术。例如以下四种大数据分析类型或方法:2Ltesmc

  • 描述性分析:发生了什么?描述业务流程或计划的现在与过去情况,以综合和视图方式呈现活动的绩效指标;
  • 预测性分析:将发生什么?即使用回归分析和预测模型等数学技术,协助了解未来可能发生事件的资料分析工具;
  • 规范性分析:需要做什么?用于确定有效的策略和营运解决方案;
  • 自动化分析:根据执行分析的结果自动执行所需的操作与行动的工具。

阿里巴巴还开发了Alipay Health Code行应用程式(App),利用中国医疗保健系统提供的大数据,指示谁可以或被限制进出公共空间。2Ltesmc

多伦多初创公司BlueDot采用AI建构的平台,开发可自动监控传染病扩散与预测的智能系统。在SARS传播期间,BlueDot平台已经取得了具体成效。 2019年12月,BlueDot就曾经针对这种冠状病毒症状的严重性提出警告,如今也证实了其准确性。在BlueDot使用的工具中,还有一些采用自然语言处理(NLP)技术,可用于处理人们的语言及其表达方式。2Ltesmc

美国生物科技公司Insilico Medicine同样致力于以AI预防疾病。该公司正开发下一代AI和深度学习途径,并将其应用于药物探索与开发过程中的每一步骤。 Insilico Medicine目前开发的新技术,未来将可用于建议医师如何对抗冠状病毒分子的资讯。在最近的分子分析后,Insilico Medicine的系统能够针对如何有效对抗冠状病毒提供反馈资讯。该新创公司现正开发可为疫苗开发专案提供相关资讯的资料库。2Ltesmc

WeBank研究人员则采用卫星分析技术,确认炼钢厂中的热点所在,为产业的复苏提供了重要资讯。2Ltesmc

在疫情流行初期,这项分析显示钢铁产量降低至29%的最低产能水位。到了2月9日则恢复到76%。研究人员紧接着关注使用AI的其他生产类型和商业活动,其中之一是用于简单地计算大型公司停车场中的汽车数量。该分析显示,截至2月10日,在上海的特斯拉(Tesla)汽车生产已经完全恢复,而上海迪士尼乐园(Shanghai Disneyland)等旅游景点仍在关闭中。2Ltesmc

satellite image2Ltesmc

图4:比较2019年12月30日(左)和2020年1月29日的并排卫星影像显示,中国的钢铁产业活动仍处于低水位(来源:spectrum.ieee.org)2Ltesmc

透过分析GPS卫星资料,还可以确定哪些人正在通勤中。软体可用于计算每座城市中的通勤人数,并比较2019年与2020年同一日期的通勤人数。无论是2019还是2020年,在中国农历新年期间的通勤人数都大幅减少,但相较于2019年,2020年假期后上班人数并未恢复。随着疫情状况逐步受到控制,WeBank研究人员还计算出,截至今年3月10日,中国约有75%的员工已经返回工作岗位。根据这些曲线预测,研究人员的结论是,除了武汉之外,大多数的中国工人将在3月底恢复正常工作。此外,研究人员并预期今年第一季的经济成长将达到36%。2Ltesmc

如今,全球各地的科学家和研究人员也在设法克服COVID-19的挑战,各种新技术正成为其有利的后盾。成功通过此次紧急状况考验的技术与解决方案,可望成为日后的产业标准。2Ltesmc

原文发布于Aspencore旗下EE Times      编译:Susan Hong  责编:Elaine Lin2Ltesmc

(参考原文:Big Data and Artificial Intelligent Can Save the Earth From Covid-19,by Maurizio Di Paolo Emilio)2Ltesmc

原创
本文为国际电子商情原创文章,未经授权禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫,一键转发

  • 关注“国际电子商情” 微信公众号

  • 元宇宙议题拉货,明年VR/AR设备出货量可望达到1202万台

    国际电子商情24日讯 市调机构预估,随着元宇宙将推动更多厂商投入虚拟世界的建设,社群交流、游戏娱乐、内容创作、虚拟经济以及工业应用等领域都会是近年发展的重心。

  • 全球首款台积电4nm芯片,联发科天玑9000做了哪些升级?

    北京时间11月19日,联发科发布了其最新旗舰5G移动平台天玑9000,这是业界首款采用台积电4nm制程的智能手机芯片,比据传高通11月30日将发布的基于三星4nm工艺的新一代骁龙旗舰处理器足足早了11天。天玑9000对联发科来说,具备极其重要的意义。

  • 半导体并购热退烧?单笔交易均值约17亿美元

    国际电子商情讯 市调机构在近期更新报告预测,半导体行业的“并购潮”在今年Q1创下了历史新高后有所降温,可能不会出现像去年的Nvidia收购ARM、AMD收购Xilinx那样动辄百亿美元规模的“大宗交易”...

  • 对智能化供应链的考验

    尽管新冠疫情引发了一些混乱的局面,但同时也促使了供应链创新的迅速发展。虽然这次疫情破坏的深度、广度和范围是我们前所未遇的,然而,大多数供应链业内人员都未雨绸缪,尽量减低风险,准备在2021年大展拳脚。

  • 当车载摄像头用上AI,传统CIS还能担“重任”吗?

    机器学习自2012年起热门至今,AI如今的发展也如火如荼。机器学习是计算机视觉可应用的一种解决方式。而当车载摄像头用上AI时,对CIS技术要求也随之改变,传统CIS还能担当“重任”吗...

  • AI时代,全局曝光CIS芯片助力机器视觉应用

    “在人工智能(AI)时代,我们做的很多决策、处理,都通过机器来实现。这些CPU、GPU是怎么看待世界的?该如何让它们感觉到关键的信息?实际上,这是图像传感器应该做的事情。”在ASPENCORE 3月18日举办的2021年中国IC领袖峰会上,思特威(上海)电子科技股份有限公司副总经理欧阳坚针对图像传感器在机器视觉领域的应用做了精彩分享。

  • 国产“芯”力量!30家AI芯片厂商调研报告

    Aspencore旗下《国际电子商情》姊妹媒体《电子工程专辑》分析师团队对中国本土的AI芯片设计公司进行了第一手调查和网络汇编整理,从众多AI芯片设计厂商中挑选30家,从核心技术、代表产品、典型应用场景等多个维度进行了分析。无论云端训练和推理、边缘计算还是终端AI,AI都需要高能效的算力支持,而AI芯片无疑是输送算力的硬件保障...

  • 18亿元人民币!燧原科技宣布完成C轮融资

    国际电子商情5日讯,燧原科技今日宣布完成C轮融资18亿元人民币,由中信产业基金、中金资本旗下基金、春华资本领投,腾讯、武岳峰资本、红点创投中国基金等多家新老股东跟投。

  • CES 2018值得关注的四大趋势

    CES 2018将更加强调人工智能、连接能力以及软件平台的无所不在。然而,业界能成功打造一款实现融合硬件/AI体验的共同平台吗?预计这场平台之争将在今年1月的拉斯韦加斯CES 2018开打……

  • ADI:这些创新将影响我们2018年的生活

    作为ADI公司总裁兼首席执行官的好处之一,就是能走遍全球,在不同地区与来自各行各业的客户见面,聆听他们对所面临的技术、业务和市场挑战的看法。我们的客户生产各种各样的电子设备,它们影响着我们在交通、医疗健康、通信等现代生活的方方面面。我们的讨论往往聚焦于当前该如何巧妙地在现实与数字世界之间架起桥梁,并探讨他们希望在未来实现的创新。我根据这些对话和其他研究总结出以下五个将在2018年对商业与社会产生最大影响的科技宏观趋势 。

  • 从音频到智能语音,看炬芯AI创新之路

    人工智能,可以说是今年最热的一个关键词,并推动着很多产品和产业的创新。而提到人工智能,目前主要的还是语音识别和图像识别,这两点也一直是上游芯片原厂和方案商想要突破和创新的技术关卡。

  • 震惊!这家巨头堪称人脸识别“黄埔军校”,自己又“偷偷”

    今年我国兴起人工智能浪潮,很多人工智能公司都创下巨额的融资记录,例如旷视、商汤、依图、中科视拓等是公司。然而很多人不知道的是,这几家公司都与微软亚洲研究院有着深厚的渊源。中科视拓的董事长兼CTO山世光、旷视科技首席科学家孙剑是前微软亚洲研究院院长沈向洋的团队成员、博士生;依图科技的创始人兼CEO朱珑是前微软亚洲研究院副院长张宏江的学生;商汤科技创始人汤晓鸥曾是微软亚洲研究院视觉计算组资深研究员。

近期热点

广告
广告

EE直播间

更多>>

在线研讨会

更多>>