Коротко

Новости

Подробно

Фото: Navesh Chitrakar / Reuters

Искусственный интеллект предсказывает вспышки ковида

В следующие эпидемии технология станет еще более эффективной

от

Первым в мире настоящую тревогу по поводу ковида забил вовсе не человек, а искусственный интеллект. Зовут его HealthMap, работает он в Бостонской детской больнице, на ее сайте, и занимается сканированием социальных сетей, новостных выпусков, поисковых запросов в интернете и других информационных потоков на предмет признаков вспышки какого-нибудь заболевания.


30 декабря 2019 года бостонский детский ИИ зафиксировал вспышку пневмонии нового типа в Ухане (Китай): семь человек находились в критическом состоянии, опасность ситуации ИИ оценил в три балла из максимальных пяти. Правда, человеческий, обычный интеллект почти не отстал от искусственного.

Марджори Поллак, нью-йоркский эпидемиолог, получила от коллег из Тайваня сообщение об интересной аномалии в китайской социальной сети Weibo — и эта аномалия живо напомнила ей о похожей аномалии во время вспышки атипичной пневмонии (SARS, родной сестры нынешнего ковида) в 2003 году. Та эпидемия убила всего 774 человека и расползлась всего по нескольким десяткам стран. Буквально через час после бостонского ИИ Марджори Поллак отправила подробное уведомление в «Программу мониторинга эпидемий», сервис с 85 тыс. подписчиков, в котором она работает заместителем главного редактора.

Но оперативность и сметливость ИИ из детской больницы в Бостоне показывает, насколько велик потенциал машины в анализе подобного рода ситуации. Пандемия не думает останавливаться, может подняться и вторая волна, так что есть смысл с помощью ИИ и автоматизированных систем слежения обрабатывать данные из социальных сетей, новостных выпусков и пр., чтобы замечать приближающуюся беду на самой ранней стадии.

Конечно, ИИ не сможет заменить эпидемиологические службы, предостерегает Мэтью Биггерстаф, эпидемиолог из Центров по контролю и профилактике заболеваний США (CDC): «Скорее, он станет одним из важных инструментов в борьбе с распространением инфекционных заболеваний». А Элад Йом-Тов, компьютерный ученый из Microsoft, работавший на государственную систему здравоохранения в Великобритании, считает, что не просто инструмент: «Данных так много, они такие разные, что понадобится их сопоставление, и, по-моему, единственная система, которая с этим хорошо справится,— машинное обучение».

Задолго до появления ковида, в 2013 году, CDC учредили ежегодный конкурс: кто точнее всех предскажет тяжесть и распространение гриппа в Соединенных Штатах. На конкурс, стартовавший в 2013 году, ежегодно поступают десятки заявок, примерно половина заявок включает ИИ — алгоритмы машинного обучения, которые ищут корреляции в больших массивах данных. Рони Розенфельд, специалист по информатике из Университета Карнеги—Меллона, с коллегами пять раз побеждал в этом конкурсе: его алгоритмы анализируют данные о поисковых запросах в Google, публикации в Twitter, просмотры страниц Википедии и посещения веб-сайта CDC.

Многие из команд, занимавшихся вспышками гриппа, переключились на ковид. Они применяют ИИ двумя способами. Первый — поймать первые признаки новой болезни или новой вспышки, как это сделал HealthMap. При таком способе алгоритмы ищут плохо определенные сигналы в море информационного шума, но в таком решении задачи человек все еще значительно сильнее ИИ, уверена Поллак.

Но вот в чем ИИ будет лучше человека — это во втором способе: при оценке развития эпидемии. Чемпионы из Карнеги—Меллона, к примеру, определяют скорость и направление распространения ковида в США, используя опросы о самочувствии людей, пользующихся Google и Facebook: это всплывающие тесты, в которых охарактеризованы симптомы болезни. Те же инструменты позволяют предсказать востребованность коек в отделениях интенсивной терапии и аппаратов искусственной вентиляции легких. Это важно и для политических функционеров: имея данные, подобные тем, что собирает команда Рони Розенфельда, они могут варьировать меры социальной изоляции, чтобы не допустить перегрузки больниц.

Розита Дара, компьютерный ученый из Университета Гуэлфа, указывает на сложности применения ИИ: нужен длительный подготовительный период. Прежде чем удастся научить программу анализировать — например, Twitter, говорит она, человек должен отобрать для ИИ примеры твитов, на которые нужно будет обращать внимание, а такая прополка требует многих часов работы.

Но прежде ИИ был далеко не всегда эффективен. С 2009 по 2015 год Google проводил эксперимент Flu Trends (теперь это часть ИИ HealthMap): анализировал данные поисковых запросов, чтобы следить за распространением гриппа. Первое время система работала отлично: за две недели до реальных данных CDC точно предсказывал развитие эпидемии. Но в 2011–2013 годах ИИ стал ошибаться в сторону увеличения. Йом-Тов объясняет: авторы не переучили ИИ, чтобы он учитывал праздный интерес людей в поисковых запросах, и система интерпретировала данные неверно. Теперь разработчики ИИ это поняли, больше такой проблемы нет, заключает Йом-Тов.

Биггерстаф предостерегает американские власти от того, чтобы использовать ИИ вместо массового тестирования на коронавирус: «Не думаю, что прогнозы, какими бы точными они ни были, способны заменить анализы». Осенью, продолжает он, наверняка появится новый штамм гриппа, и ИИ не сможет отличить проявления одной эпидемии от проявлений другой. ИИ может помочь в тестировании — направить усилия эпидемиологов в нужные точки, считает он.

А Розита Дара считает, что сейчас ИИ еще не так хорош, а вот при следующих эпидемиях, когда будет полностью учтен ковидный опыт, ИИ будет действительно полезен.

По материалам статьи https://www.sciencemag.org/news/2020/05/artificial-intelligence-systems-aim-sniff-out-signs-covid-19-outbreaks

Анатолий Кривов


Комментарии
Профиль пользователя