AI模型說明了持續(xù)社會疏離的重要性

隨著世界各地大流行病的蔓延不減，被迫避難的人們有著共同的愿望，即希望看到社會距離在多大程度上減慢了疾病的傳播速度。這是可以理解的-政府強行關閉企業(yè)造成的附帶損害有可能破壞整個行業(yè)。根據(jù)勞工統(tǒng)計局的數(shù)據(jù)，截至本周，已有2600萬人申請失業(yè)救濟，國際貨幣基金組織(IMF)預測，全球金融危機將與大蕭條相提并論。

幸運的是，德克薩斯大學，西南研究所和德克薩斯大學健康科學中心的研究人員發(fā)表的預印本研究強烈暗示，隔離和物理疏遠已達到預期的效果。使用名為SIRNet和幾種流行病學模型的混合AI系統(tǒng)，這些模型在智能手機位置數(shù)據(jù)以及人口加權(quán)密度和初創(chuàng)公司Safe Graph，世界衛(wèi)生組織，疾病控制與預防中心以及其他地方的其他數(shù)據(jù)點上進行了訓練，合著者聲稱他們設法準確預測了各種社會疏遠政策的結(jié)果。

人們可以在德克薩斯大學建模協(xié)會發(fā)布的網(wǎng)站上查看其的預測。

研究人員的系統(tǒng)從成千上萬部智能手機中獲取的，州和級位置數(shù)據(jù)用于預測接觸率，人口密度的函數(shù)以及一個地區(qū)中人們之間的移動和互動。這是針對病例計數(shù)數(shù)據(jù)繪制的，特別是一個時間序列集，它捕獲了不同地理粒度級別的活動，恢復和致命病例的，研究人員應用了10天的滯后時間來解釋傳染與獲得陽性檢測確認之間的延遲。

研究人員報告說，基于未來三周(系統(tǒng)的最大值)的預計預測，僅“檢疫級流動性”的持續(xù)進行將導致低病例數(shù)。如果將限制減少約50%，該系統(tǒng)預計某些社區(qū)將達到穩(wěn)定高峰的邊緣，死亡曲線將保持在低峰或迅速急劇上升。而且，如果有75%的人口能夠像往常一樣自由移動，那么該系統(tǒng)預測結(jié)果將是在100%流動時(僅在韓國除外)略微延遲的峰值，大約是最大峰值的2/3。