最近，SingularityNET公司CEO Ben Goertzel博士決定召開COVID-19峰會，邀請AI與數(shù)據(jù)科學(xué)研究者群體中的資深人士，希望他們與流行病學(xué)家、一線醫(yī)護人員以及決策者們一道，探討目前抗疫保衛(wèi)戰(zhàn)的最新態(tài)勢以及應(yīng)對未來挑戰(zhàn)的期望與思路。

此次峰會的一大主題，就是討論如何利用復(fù)雜的系統(tǒng)模型(例如基于代理的模型)為政策制定提供信息。盡管已經(jīng)從SARS以及MERS等以往傳染病事件中積累到不少經(jīng)驗，但在這場疫情大流行當(dāng)中，來自世界各地的決策者們?nèi)云毡楸硎咀约簾o法及時獲取必要的應(yīng)對信息。

而高復(fù)雜度自適應(yīng)系統(tǒng)能夠?qū)⑷斯ぶ悄芘c基于代理的模型相結(jié)合，幫助決策者帶來前所未有的新能力，同時顯著提升決策制定流程的透明度。

[[325854]]

Ben Goertzel博士

[[325855]]

Deborah Duong博士

考慮到本次討論主題的硬核技術(shù)屬性，Rejuve公司AI開發(fā)主管兼SingularityNET網(wǎng)絡(luò)分析主管Deborah Duong博士在演講當(dāng)中解釋了基于代理的模型與人工智能相結(jié)合的具體實現(xiàn)方式，以及由此可以給決策者及其他抗疫專業(yè)人士帶來的信息支持。

具體來講，為了就可能顛覆現(xiàn)代文明社會核心結(jié)構(gòu)的下一波疫情流行或者其他重大災(zāi)難做好準(zhǔn)備，我們需要一套復(fù)雜的自適應(yīng)系統(tǒng)作為信息樞紐。

復(fù)雜自適應(yīng)系統(tǒng)能夠為我們勾勒出整體態(tài)勢

所謂復(fù)雜自適應(yīng)系統(tǒng)，是指能夠?qū)⑷斯ぶ悄艿牧α颗c基于代理的模擬方案相結(jié)合的系統(tǒng)，其將從根本上改變我們分析數(shù)據(jù)的方式。

Duong博士指出，“復(fù)雜自適應(yīng)系統(tǒng)是指那些整體效能大于各部分之和的系統(tǒng)。我們能夠借此從宏觀上了解關(guān)于各組成部分的信息，而各個部分也將適應(yīng)并改變整體態(tài)勢。以此為基礎(chǔ)，我們將得以在微觀與宏觀之間實現(xiàn)交互。”

例如，以COVID-19疫情大流行為例，早在制定社交隔離政策之前，世界上某些地區(qū)的居民就已經(jīng)開始佩戴口罩以防止疾病傳播。換言之，他們自發(fā)地改變了自己在公共場合的行為習(xí)慣。這正是個體在改變自己與周遭環(huán)境的微互動方式。而在宏觀層面上，由于這些個人行為的轉(zhuǎn)變，世界上某些地區(qū)及政府得以更從容地遏制COVID-19疫情。而且在早期行動者們的推動下，其他民眾也更容易接受并遵守社交隔離政策。最終，微觀與宏觀的相互作用共同成就了良好的社交隔離回饋。

Duong博士還表示，“光靠數(shù)據(jù)有時候并不足以解決問題，但必須承認的是，數(shù)據(jù)與模式能夠為政策制定帶來啟發(fā)。如果我們高度關(guān)注數(shù)據(jù)的處理方式，就可以利用復(fù)雜自適應(yīng)系統(tǒng)分析空間數(shù)據(jù)與概念性數(shù)據(jù)中的模式，并借此完善政策成效。”

受到Michael Snyder博士收集并測量自身健康數(shù)據(jù)以分析人體炎癥反應(yīng)的啟發(fā)，Duong博士和她的團隊利用異常檢測算法以分析可穿戴設(shè)備傳出的信號，并采用Rejuve開發(fā)的應(yīng)用程序收集到此次疫情流行中的大量個體反應(yīng)。這些數(shù)據(jù)激發(fā)了她修改Ben Goertzel博士專為SingularityNET開發(fā)的“復(fù)雜自適應(yīng)系統(tǒng)”的熱情，希望在設(shè)計層面充分適應(yīng)抗擊COVID-19疫情的需要。

Duong博士解釋道，“在COVID-19大流行期間，醫(yī)療保健工作者與其他普通勞動者仍然需要正常工作。即使他們正確佩戴口罩與手套，傳染風(fēng)險也仍然存在。因此，他們應(yīng)當(dāng)掌握關(guān)于自身健康以及工作場所病例分布的更多信息，引導(dǎo)他們做出明智的出行決定。如果可以及時使用可穿戴設(shè)備，這些產(chǎn)品將在他們進入高風(fēng)險區(qū)域前發(fā)出提醒，或者是在他們可能遭受感染時提前與家人保持隔離。”

復(fù)雜自適應(yīng)系統(tǒng)還有望幫助我們從已感染及未感染人群之間的交互數(shù)據(jù)當(dāng)中，找出“COVID-19的數(shù)據(jù)簽名”。

利用人工智能與因果推理發(fā)現(xiàn)的種種模式，將幫助我們識別出符合定義的概念性群體，并根據(jù)社會背景完成數(shù)據(jù)分析。

數(shù)據(jù)所有權(quán)、隱私與安全

目前，媒體在監(jiān)督AI系統(tǒng)隱私、數(shù)據(jù)所有權(quán)以及安全性等方面表現(xiàn)得相當(dāng)出色。我們可以構(gòu)建起一套復(fù)雜自適應(yīng)系統(tǒng)，確保每位民眾都切實具備數(shù)據(jù)所有權(quán)、隱私與安全保障。與此同時，利用具備因果推理能力的人工智能方案，我們則可建立決策網(wǎng)絡(luò)并及時向決策者提供信息支持。正如馬爾可夫決策流程一樣，我們可以在模擬場景中進行數(shù)據(jù)建模。只要一定比例的人口使用可穿戴設(shè)備，我們就能收集到制定準(zhǔn)確政策所必需的最低數(shù)據(jù)量。

Duong博士表示，“如果我們擁有一臺完全安全(經(jīng)過加密)的自有可穿戴設(shè)備，并由AI負責(zé)發(fā)現(xiàn)決策模式而非識別個人身份，那么該設(shè)備即可及時將風(fēng)險通報給佩戴者，并賦予他們自主決定的權(quán)利。與此同時，政策制定者則能夠從個人決策中獲取更多情報，據(jù)此出臺符合民眾判斷的抗疫策略。”

細微差別，將決定政策的質(zhì)量與成敗

由于現(xiàn)有統(tǒng)計方法過于寬泛再加上方法層面的不確定性，決策者們在此次疫情流行期間制定的應(yīng)對策略，往往無法兼顧細微層面的具體差別。

更重要的是，在制定社交隔離或出行政策時，某些特殊人群可能需要采取適合自己的針對性引導(dǎo)。

舉例來說，在政策制定者要求人們進行社交隔離時，民眾可能會問所謂的“社交隔離”或者說距離保持具體是多遠?1米，還是2米?

在醫(yī)院中，醫(yī)護人員一直在與病毒傳播進行艱苦斗爭。更殘酷的是，很多護理人員為了維持生計而不得不在多家醫(yī)院之間往來奔波，這就帶來了病毒在不同醫(yī)院間傳播的隱患。

Duong博士指出，“在復(fù)雜自適應(yīng)系統(tǒng)當(dāng)中，系統(tǒng)能夠適應(yīng)這些情況，并針對細微差別做出及時響應(yīng)。政策制定者不僅可以為使用可穿戴設(shè)備的人們提供單獨的建議，同時也能快速意識到細微差別對于整體系統(tǒng)乃至整個社會的影響。如果存在大量往來于多家醫(yī)院的兼職護士，就必須出臺相應(yīng)的政策以避免他們在不同醫(yī)院之間傳播病毒。”

核心優(yōu)勢

使用復(fù)雜自適應(yīng)系統(tǒng)分析Rejuve/COVID-19應(yīng)用數(shù)據(jù)的核心優(yōu)勢，在于“讓拉低病例曲線回歸真實意義”。實際上，疫情流行期間很多人對于“拉低病例曲線”都存在誤解，以為只要推行社交隔離措施，感染人數(shù)就會減少。而事實并非如此。

可穿戴設(shè)備模擬視圖

受感染及因疫情死亡的總?cè)藬?shù)仍將保持不變，只是整個爆發(fā)過程會更加平緩，幫助我們的醫(yī)療系統(tǒng)更從容地應(yīng)對一批又一批感染病例。

另一方面，如果能夠在疫情流行期間引入復(fù)雜自適應(yīng)系統(tǒng)提供的策略，也許真的可以控制峰值部分從而真正“拉低曲線”。

可穿戴設(shè)備模擬視圖2