人工智能加入了抗击新冠病毒的行列

自从 SARS-CoV-2 大流行开始以来，我(也许还有你)一直想知道为什么在地球上我们没有利用最近记忆中最被炒作的技术来做除了卖东西之外的其他事情。这些将是大数据、人工智能以及机器和深度学习的子领域。

终于，似乎有人拥有了。

本周发表在《自然》杂志上的一篇社论和论文显示，一个由数据科学家、流行病学家和公共卫生专家组成的团队将强化学习应用于 Covid-19 边境测试问题。过度扩张的希腊政府使用该框架来确定何时以及如何重新开放其经济命脉：游客的边界。

政府缺乏资源来测试所有旅行者是否接触过 Covid-19。此外，基于游客原籍国的随机检测或筛查往往会漏掉无症状的受感染游客。

研究人员开发了一种名为 Eva 的机器学习算法，被称为一种高效且有针对性的 Covid-19 边界测试方法。此前，希腊政府依赖于基于旅行历史的随机测试，这是对稀缺资源的低效利用。Eva 进一步分析了从乘客信息表中收集到的人口统计数据。

结果?Eva 发现的感染但无症状旅行者的数量是随机监测测试的 1.85 倍，其中在旅游旺季期间发现的数量高达 4 倍。

研究人员报告说：“我们的结果引起了人们对基于人口水平流行病学指标的与国家无关的国际提议的边境控制政策的有效性的严重担忧。” “相反，我们的工作代表了强化学习和实时数据在保护公共健康方面的潜力的成功范例。”

人工智能和机器学习未能在大流行中发挥很大作用的部分原因是缺乏数据，部分原因是更严格的数据隐私规则。这是可以理解的。训练机器和深度学习算法所需的大量未开发大数据由政府和企业持有。

正如Nature的编辑所指出的，需要数据隐私框架，以便与研究人员共享相关数据。

Eva 的创建者注意到了这一要求，开发了符合欧盟通用数据保护条例的强化学习算法。GDPR 制定了收集数据并获得同意以存储和使用个人信息的规则。

这是一个很好的第一步，但必须进一步加强数据隐私规则，然后我们才能利用大数据和人工智能来对抗 Covid-19。“还必须关注算法设计方式以及用于训练算法的数据的透明度，”《自然》社论正确地指出。

使用可信赖的算法来帮助抑制大流行对公共卫生的好处可能超过了数据隐私的风险。毕竟，我们在下载应用程序时经常不假思索地点击“条款和条件”上的“同意”按钮。

希腊政府的机器学习实验代表了朝着适当应用技术迈出的有希望的第一步，该技术的潜力远不止卖东西。