年夜数据真的能够推进疫情防控吗?

2020年开年之际,新型冠状病毒感染的肺炎疫情汹涌而至。相比于2003年的SARS疫情,十余年间,新一代信息技术迅猛发展,人类社会已进入大数据时代。面对新型冠状病毒感染的肺炎威胁,大数据这一技术手段可提供重要帮助,城市管理者也在新型智慧城市建设的过程中获取了很多疫情防控和城市管理的经验。

大数据真的可以推动疫情防控吗?

大数据真的可以推动疫情防控吗?

面对紧急突发的公共卫生事件及多方来源的海量数据,如何联合政企单位科学运用大数据技术,为公众提供更完整、连续、准确、及时的防疫信息,为专家提供追溯疾病源头的方法,为决策者提供传染病发展的趋势,是大数据应用于防疫的三大重要任务。

可分析“涉疫”人员流动轨迹通过集成电信运营商、互联网公司、交通部门等单位的信息,大数据可以分析出人员流动轨迹。具体来说,利用数据分析、数据挖掘等技术,一方面可以通过手机信令等包含地理位置和时间戳信息的数据分析绘制病患的行动轨迹;另一方面,根据病患确诊日期前一段时间的行动轨迹和同行时间较长的伴随人员,大数据可以推断出病患密切接触者。综合分析确诊病患、疑似病患和相关接触者的行动轨迹,可以准确刻画跨地域漫入、漫出的不同类别人员的流动情况,这既为精准施治提供了有力指导,也为预测高危地区和潜在高危地区提供了有力依据。

可追溯传染病源头利用人工智能、深度学习等新兴技术,联合出行轨迹流动信息、社交信息、消费数据、暴露接触史等大量数据进行科学建模,可以根据病患确诊顺序和密切接触人员等信息定位时空碰撞点,进而有望推算出疾病传播路径,为传染病溯源分析提供理论依据。

可预测疫情发展态势通过高危人群,即确诊病患和病患密切接触者的运动情况,结合疫情新增确诊、疑似、死亡、治愈的病例数,借助传播动力学模型、动态感染模型、回归模型等大数据模型和技术,不仅可以分析展示发病热力分布和密切接触者的风险热力分布,还可以预测疫情峰值拐点等重要信息。根据预测的疫情发展态势,卫生部门可以针对发病热力分布,对重点区域强化卫生措施;依据风险热力分布,对可能扩散的区域提前设置防疫防控资源,避免出现二次爆发、局部爆发和多点爆发。同时,疫情发展趋势预测对于政府部门确定复工时间、出台公共管理和促进经济发展的措施都将起到很重要的作用。无论对决策者还是普通人,心中有“数”,才能提前陈设,防患未然。

新冠疫情拐点何时出现?大数据能否预测

中国科学院计算技术研究所研究员王元卓表示,疫情爆发期间,疫情数据的高位保持和新产生的传染突发事件对政府及相关管理部门现有的管控方法和措施都提出了新的严峻挑战。人们最关心的疫情的发展何时出现拐点?以及疫情何时能过去?我们的生活何时能恢复正常?而大数据的两个主要作用就是感知现在和预测未来。

王元卓融合所采集的开源网络数据,通过智能模型的学习,基于截至2月12日12时的数据,对当前的疫情的发展给出了如下分析和判断。

由于返程高峰的到来,尚未能够准确的从数据分析得出疫情拐点,其要根据对返程高峰的防控情况来决定,但从现有数据分析来看,疫情的峰值有望在2月中下旬出现。但目前,河南、浙江、广东大于1000人,安徽、湖南、江西大于500人,面对目前的返程期疫情防控仍然很严峻,所以对疫情拐点预测带来了很大不确定性。

王元卓认为,当前全国新增确诊病例趋于缓和,呈下降趋势,最高时接近4000人左右,疑似病例波动较大,但整体也呈现出下降态势,证明各级管理机构前期采取的“早发现、早诊断、早隔离”的措施取得明显效果,下一步各级管理机关还应该加大对机场、火车站、汽车站等交通工具的防范措施力度,避免返程高峰引起疫情再次上升。新增治愈病例呈上升趋势,新增死亡病例仍呈缓慢的线性增长趋势,说明社会医疗保障条件的有效增强,治愈率会越来越高,死亡人数会越来越少,当前阶段。一是要加大研发力度,尽快研发出疫苗,二是要给予群众以引导,增强自我防范意识。

搜索大数据:远程办公需求 环比上涨663%

近日,百度发布的《新冠肺炎搜索大数据报告-复工篇》显示,,自1月18日以来,疫情相关内容的搜索热度便持续攀升,一直是人们的关注焦点。而随着复工开学时间临近,复工开学相关内容的搜索热度也迅速上升,环比上涨8倍。报告指出,近30天远程办公需求环比上涨663%,“云开工”成主流。其中,北上广深等一线城市的网民最为关注“远程办公”。

当下,复工复厂成为热点话题。如何生产抗疫两不误,做到平安复工?各地因地制宜,利用大数据研判疫情,下好先手棋,逐步有序开展工作。通过汇总疾控、电力、交通等多部门的大数据,对复工复产做出精确评估。在杭州,有企业复工申报平台,不搞一刀切;在湖州,有开复工企业白名单制度;在绍兴,借助大数据分析,一些企业陆续恢复生产。

这些充分发挥移动互联网和大数据优势的举措,对疫情防控起到“过滤网”的作用。大数据的作用,从疫情初始到现在,先后历经了三个阶段:从“传声筒”到“防火墙”,再到“过滤网”。面对突发公共危机,不仅需要强大的人员、物资、财富动员能力,更需要强大的数据分析处理能力,而且越早介入,费效比越低。

在疫情爆发初期,为“传声筒”阶段,公众亟需各类信息的获得和传输。一方面,通过社交媒体、新闻客户端等渠道,实时获取疫情动态、防疫知识等信息。另一方面,在自我防护、官方通报之外,想获取更为完整、准确的数据和信息,进而参与到疫情防控的方方面面。

随着疫情防控进入第二阶段,全国多地进行严格的区域管理,移动互联网和大数据的优势格外凸显。某种程度而言,它的作用就是“防火墙”,让疫情防控更加高效。这时,移动互联网既是民情信息的聚集地,也是疫情防控的资料库。据此,政府可以做出更理性的决定,采取更有利的行动。

眼下,疫情防控工作到了关键阶段,发挥好大数据的“过滤网”作用至关重要。分析人群聚集分布情况,指导医疗资源合理调动,实现尽早发现病患和密切接触者,切断传染源,尽最大可能控制疫情波及范围。同时,推动复工复产,降低疫情对经济的影响,做好保障和改善民生工作,让百姓安心。

数据采集手段及流传 仍存问题

虽然大数据在精准防疫和决策支持方面可以发挥重大作用,但从我国此次应对新型冠状病毒感染的肺炎疫情来看,仍有很大空间值得挖掘和提升。为了进一步推动大数据助力疫情防控,以下3个问题亟需得到解决。

一是数据采集手段原始,质量较低。一些政府部门和基层组织在采集疫情相关数据仍然采用手工作坊式的人海战术。在采集时通常采用手工填表、打电话等方式,这既给基层工作人员增加负担,也无法保证数据的真实性。例如,在采集患者个人信息时,由于没有区分所留手机号到底属于病患还是其家属,运营商系统核验时就会存在大量身份证号与手机号不一致的情况,导致后续数据分析的准确性和真实性模糊。

二是数据流转存在隐私泄露的风险。为应对新型冠状病毒的防疫需求,有关部门第一时间制作了隐去个人隐私信息的确诊患者相同行程查询工具,但在原始数据上报过程中,数据还是遭到了不同程度泄露,这给被泄露人的生活带来了极大不便。

三是跨地区、跨层级、跨部门的数据流转难以实现。大数据的核心在于互联互通。针对个人的行为分析,手机信令仅能提供较为粗糙的移动轨迹,对区域性分析结果影响较小,但对于轨迹精确度要求高的防疫场景,则需要更多例如火车、飞机、共享单车、网约车、搜索引擎、社交媒体等更多维度跨层级和跨领域的信息。目前,不同企业和政府部门的数据呈现“孤岛”形态,数据亟需高效整合,才能更好应用于疫情治理。

打破“孤岛”形态,推动大数据助力疫情防控

面对不断蔓延的疫情形势,有关部门可在以下3个方面进行改进和强化。

一是提升采集手段,强化数据校验。要通过各种技术手段,避免数据低效采集。例如,各地疾控部门对于患者的流行病学调查,除了通过对患者直接的调查采访外,还应从有关部门采集患者的手机信令数据、交通出行数据,甚至是微信、支付宝等基于位置服务的数据(LBS数据)。这些数据的准确度往往比手工采集要高得多。此外,还需要进行多方数据校验,从源头上提高数据质量,为后续的数据分析奠定良好基础。

二是保护病患隐私,加强安全规范。越是紧急状态,越需要加强对数据隐私的保护,否则会引发公众不必要的猜测和恐慌。政府机构在信息发布中,应坚守两个原则:一是脱敏原则,发布内容要“经过处理无法识别特定个人且不能复原”;二是非必要不公开原则,发布内容应限于与疾病传播和公众防疫相关,例如日本厚生省拒绝发布患者的国籍数据就体现了这一原则。

三是打破数据“孤岛”,高效运转数据。对于政府部门来说,当前亟需打通各环节数据“孤岛”,综合卫生、通信、交通、公安、人口、气象等多维度数据,进行更加深入的综合分析计算。同时,在进行疫情态势分析预测时,也应不断根据更新的数据调整和优化模型与算法,提升预测模型和算法的准确性。(文章来源:中国信息通信研究院、中新经纬、新浪科技)

责任编辑:Shine

|收藏本文  该内容由行业企业、终端个体、第三方机构提供,本网仅起到传播该信息的目的,如有任何疑问请与转载来源机构联系解决,感谢支持。如发现侵权,本网编辑部将协助进行处理或撤稿。 文章关键字疫情 大数据 远程办公相关阅读

疫情之后,人工智能和大数据等新技术将全面爆发?

新型冠状病毒肺炎疫情的爆发和传播,牵动着全国人民的心。社会各界纷纷投入到这场没有硝烟的疫情阻击战中。

随着复工潮开启,疫情的防控迎来下半场攻坚时期。交通部的数据显示,预计到2月18日将有1.6亿人陆续返程返岗,城市公共交通服务逐步恢复。那么在激增的人流量下,如何保证公共安全、疫情不再大规模扩散?从宏观的流动人口管理,到微观的体温检测,如何更科学有效地开展防疫工作?

老实说,这是个相当抽象的问题。不过很少有人会否认的是,大数据和人工智能已经并且还将继续在疫情防控中,扮演前所未有的重要角色。到底有多重要呢?2月10日的国务院新闻发布会上,民政部基层政权建设和社区治理司司长就直言不讳地表示:“能不能开发一个服务社区抗疫的软件,这比捐十个亿还管用。”

大数据和人工智能 能否迎来一个新风口

疫情时期,无论是对感染人群和密切接触者的筛查,还是对无聚集、非接触的生产生活秩序安排,都形成了对大数据和人工智能的爆炸式需求,由此催生出一个相当偶然的风口。

比如提到大数据,大家都能想到实时更新的疫情地图。从政府官方到互联网公司,好多平台搭建了相关的数据库。疫情信息实时录入之后,通过疫情地图,我们可以对全国各地的动态信息进行全面了解,包括确诊、疑似病例,疫情走势一目了然。

相对于17年前的非典,随着大数据技术的发展,对疫情的掌握程度的确有了明显提高。比如此前武汉官方宣布,春节期间有500万人离汉。在过去,尤其是连火车票都还没有实名制的年代,人口流动的数据其实是很难具体掌握的。但今天我们已经能够清楚地看到,这离汉的500万人具体去了哪些城市,为防疫工作提供了依据。

在各地的小区进行封闭式管理之后,相信大部分人都进行过健康信息的自主填报。像我所在的小区,填报信息才能作为进出小区的凭证。这种信息申报,有的是通过政务APP,有的是依托微信或者支付宝等平台。

数字政务平台的火爆,是大数据实用价值的直观体现,从疫情查询到在线问诊,甚至到口罩的预约和购买,在疫情期间实现了数字化运作,有助于流动人口的网格化精确管理。

其实在国外,用大数据来进行传染性疾病的监控治理早已屡见不鲜。比如2008年,谷歌便发布了“Google Flu Trends”(谷歌流感趋势),利用关键词追踪技术搜集大量有价值的数据来发现流感的暴发。

《参考消息》的最新报道显示,这次疫情发生后,一家总部位于多伦多的跟踪传染病的公司,就通过人工智能系统,准确地发出了冠状病毒疫情的扩散警报。它的工作原理,正是依靠海量的数据处理,包括全球新闻报道、疾控中心报告、卫星实时气候数据、航班信息等。

当然,相对于大数据的流动人口管理,政务平台的云审批,或者人工智能预测病毒传播,它们的运用还有一些更加细致具体的场景。

比如在返程高峰期,不少地区商场、地铁站、机场等人群密集的公共场所,推出了“AI防疫师”的黑科技,以无接触的方式,进行实时体温检测、佩戴口罩识别、预警。一些科研单位和机构,还研制出辅助诊疗机器人、智能消毒与巡检机器人,可以自动消毒、自动发药、自动量体温,无接触下的远程治疗成为现实。

风险岗位无人化的疫情防控需求,让机器换人提前上演,很多还处在测试阶段,缺少大规模应用机会的新技术工具有了用武之地。这种极其偶然的利好,让大数据和人工智能的从业者开始畅想美好的行业未来,比如物流行业和外卖行业的无人配送等等。

预测性地看,疫情之后,大数据和人工智能的确会迎来一个新风口。这一方面是基于它们在疫情防控上展现出来的重大作用;另一方面也是鉴于相关的行业政策的接连出炉。

可以说,这次疫情是大数据和人工智能重要性最为凸显的一次。但话说回来,随着疫情防控逐渐进入尾声,流动人口数字化管理、智慧智能城市建设等依旧会延续,无接触、云办公等相应的特殊需求会逐渐减少。

毕竟,这是一种成本很高的生产生活模式,是特殊时期的特殊办法。而一些人工智能产品研发成本太高,还远远无法实现量产。另外,像医生等一些技术岗位,仍然是依靠人工智能机器人远程治疗所无法取代的。大数据和人工智能的风口,持续多久值得观望。

还需要提醒的是,对大数据和人工智能公司而言,市场需求带来的产业短暂爆发背后,同样隐藏着一些发展陷阱。

最典型的还是隐私安全问题。比如各个相关的防疫平台、小程序,如何确保信息收集遵守隐私边界,如何进行信息存储和管理,防止泄漏发生?公共场所的人脸识别技术,该遵循哪些收集和使用界限?

疫情的特殊时期,这些问题的处理,没有获得相应的优先级,包括一些租房平台,也纷纷要求租客上报健康和出行信息。但可以预见,接下来随着疫情消散,疫情期间大数据和人工智能爆发背后的隐私安全漏洞,包括衍生的一些其他安全问题,会逐渐被聚焦关注。

不管怎么说,这些漏洞需要被及时填补。大数据和人工智能的发展,不能因为情况特殊就偏离合法合规的轨道。

人工智能等技术能否在2020年 彻底改变移动应用产业

当人们进入一个新的十年时,需要从过去的十年中吸取经验和教训。移动应用程序的发展不会停滞不前。事实上,随着时间的推移,人工智能技术将演变为更具体验性和身临其境的事物,从改善业务运营到将业务发展到新的水平,与移动应用程序协作的新技术将证明是有利可图的。物联网、区块链、人工智能(AI)是丰富企业新世界和新十年的技术之一。这三者都将帮助移动应用程序更加面向解决方案和以用户为中心。

自我学习语言应用程序是如何使用人工智能协助翻译和口译的一个很好的例子。这项技术消除了对翻译的需求,从而使用户可以在其他国家旅游而没有任何问题。这只是一个例子。每个行业都有一些专门的人工智能和区块链示例,这将提高使用率,并促进业务增长。

2020年也不例外。移动应用行业将以明显的方式增长。人们需要了解人工智能行业将发生什么变化,以及企业在新的一年中如何计划使用这些革命性技术。

据说区块链将主导移动应用程序,或更确切地说是2020年的技术图表。这项技术也被称为移动应用程序的内存,据说可以记住输入到系统中的所有内容。即使已包含了单个区块,并且更改了区块的特定方面,该技术也会将其标记到其内存中,也不会让人忘记它。

因此,到2020年,区块链将成为企业的游戏规则改变者。质疑数据安全性并确定管理数据方式的公司将研究区块链以确保其安全性。

人工智能是移动应用程序中的智能技术,人们将在2020年看到机器变得越来越智能,并且行为和解释的方式越来越像人类。

通过快速决策,可以更轻松地委派任务并提高整个系统的效率。除了有效的实践之外,个性化还将通过移动应用程序中的人工智能获得动力。现代的应用程序将提供对业务流程的见解,并将增强业务战略,从而使业务朝着增长的方向发展。

在同时实施区块链和人工智能时,需要考虑应用该技术的成本以及需要对系统进行的更改。如果能够将两者结合在一起,则可以提高企业的预测策略和安全性方法。反过来,企业将提高系统的生产率,从而减少所有产品的周转时间。基本上,使用正确的协作方法,企业将促进业务增长。

人工智能未来能否 大幅提高模拟速度

即使用最快的超级计算机模拟复杂的自然现象也要花上几个小时,如大气雾霾如何影响气候。而作为一种能够快速模拟的算法,基于人工智能技术的仿真程序无疑提供了一条捷径。一项日前发表在预印本服务器arXiv上的研究表明,通过人工智能技术,计算机可以很容易地生成精确的仿真程序,将所有科学领域的仿真实验加速数十亿倍。但是,这一研究尚未通过同行评审。

“这是一件大事。”未参与该研究的美国劳伦斯利弗莫尔国家实验室负责气候模拟的Donald Lucas说,新系统自动创建的仿真程序比他的团队设计和训练的模拟器更好、更快。新的仿真程序可以用来改进它们所模拟的模型,并帮助科学家充分利用实验设施。Lucas表示,如果这项工作经得起同行的审查,“将在很大程度上改变一些事情”。

《科学》报道称,一个典型的计算机模拟程序一般会随时计算物理作用力如何影响原子、云团乃至星系。仿真程序基于一种被称为机器学习的人工智能算法。有了完整模拟的输入和输出,仿真程序会寻找规律,并学习推测对新的输入进行怎样的处理。

新的仿真程序的设计基于神经网络,需要的模拟训练很少。通过一种被称为神经结构搜索的技术,这一程序可以识别出给定任务中数据效率最高的连接模式。

这种技术被称为深度仿真程序网络搜索(DENSE),它依赖于美国斯坦福大学计算机科学家Melody Guan开发的一种通用神经结构搜索。它在网络的输入和输出之间随机插入计算层,用有限的数据测试和训练生成结果。如果添加的计算层可以提高性能,那么它很可能被选用在未来的仿真程序变化中,而重复这个过程可以改进现有的仿真程序。

Guan说,“非常兴奋”看到她的工作被用于“科学发现”。领导这项研究的英国牛津大学物理学家Muhammad Kasim表示,其团队的研究是以Guan的研究为基础进行的,因为它平衡了准确性和效率。

研究人员使用DENSE技术开发了10个仿真程序,分别用于物理、天文、地质和气候科学等领域。DENSE的仿真程序表现出色,其速度比其他模拟器快10万到20亿倍。而且,这些仿真程序非常精确:天文领域仿真程序的结果与全模拟的一致性超过99.9%,在10次模拟中,神经网络仿真程序比传统仿真程序要好得多。

Kasim说,DENSE技术甚至可以使研究人员实时分析数据,从而节省时间。“DENSE仿真程序可以足够快地解释数据,从而修改实验。希望将来我们可以用它进行现场分析。”(文章来源:中国经营报、中国科学报、企业网)