โมเดลและแพลตฟอร์ม AI

โมเดล AI พบว่าการรักษาระยะห่างทางกายภาพมีผลกระทบเชิงบวกและจำเป็น

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

การศึกษาล่าสุดโดยทีมนักวิจัยใช้ AI เพื่อคาดการณ์แนวโน้มของการระบาดของไวรัสโคโรนาในช่วงสามสัปดาห์ข้างหน้า ตามรายงานของ VentureBeat โมเดล AI คาดการณ์ว่านโยบายการรักษาระยะห่างทางสังคมและการกักตัวมีผลตามที่ต้องการ คือ การผลักดันและลดความรุนแรงของการระบาดของไวรัสโคโรนา และป้องกันไม่ให้ระบบสาธารณสุขถูกครอบงำ

เมื่อการระบาดของไวรัสโคโรนา继续ดำเนินไปทั่วโลก และเศรษฐกิจทั่วโลกได้รับผลกระทบอย่างรุนแรงจากผลของการระบาด นักวิทยาศาสตร์และผู้เชี่ยวชาญด้านสาธารณสุขส่วนใหญ่เห็นด้วยว่าการรักษาระยะห่างทางสังคมเป็น必要และได้ผลในการแพร่กระจายของไวรัส และตอนนี้โมเดล AI ที่ออกแบบโดยทีมนักวิจัยจากมหาวิทยาลัยต่างๆ ก็สนับสนุนพวกเขา

นักวิจัยจากมหาวิทยาลัยเท็กซัส เฮลท์ ซाइ언ซ์ เซ็นเตอร์ สวอนว์ รีสซาร์ช อินสติทิวต์ และมหาวิทยาลัยเท็กซัสได้ร่วมมือกันในการสร้างโมเดลการคาดการณ์โรคที่ให้ผลคาดการณ์สำหรับการแพร่กระจายของไวรัสโคโรนาในช่วงสามสัปดาห์ข้างหน้า นักวิจัยสรุปผลการวิจัยในเอกสารก่อนการพิมพ์ โมเดลที่ผลิตโดยนักวิจัยใช้ข้อมูลประชากรที่มีน้ำหนักและข้อมูลตำแหน่งสมาร์ทโฟนเพื่อให้ผลคาดการณ์ ข้อมูลถูกเก็บจากองค์กรต่างๆ เช่น องค์การอนามัยโลก ศูนย์ควบคุมและป้องกันโรคแห่งสหรัฐอเมริกา และ Safe Graph โมเดลนี้เป็นระบบ AI ไฮบริดที่เรียกว่า SIRnet และได้รับการรวมเข้ากับโมเดลทางวิทยาการระบาดต่างๆ ผู้เขียนเอกสารระบุว่าโมเดลนี้มีความแม่นยำในการคาดการณ์และได้คาดการณ์ผลลัพธ์ของความพยายามในการรักษาระยะห่างทางกายภาพก่อนหน้านี้

นักวิจัยใช้ข้อมูลสมาร์ทโฟนเพื่อสร้าง “อัตราติดต่อ” ซึ่งเป็นผลลัพธ์ของการคำนวณที่ใช้การเคลื่อนไหวและปฏิสัมพันธ์ระหว่างบุคคลภายในพื้นที่ทางภูมิศาสตร์ที่เฉพาะเจาะจง อัตราติดต่อถูกคำนวณสำหรับระดับรัฐและประเทศ และถูกเปรียบเทียบกับจำนวนกรณีของไวรัสโคโรนาที่ครอบคลุมกรณีที่เสียชีวิต กรณีที่มีผลบวก และกรณีที่หายแล้วภายในพื้นที่ทางภูมิศาสตร์ที่เกี่ยวข้อง นักวิจัยใช้การล่าช้า 10 วันเพื่อพิจารณาการล่าช้าที่เกิดขึ้นระหว่างการได้รับผลตรวจที่เป็นบวกและการที่บุคคลนั้นมีเชื้อ

ตามทีมนักวิจัย “การกักตัวในระดับขั้นสูง” (การรักษาระยะห่างทางกายภาพที่เข้มงวด) เป็น必要สำหรับการควบคุมการแพร่กระจายของไวรัสโคโรนา ทีมนักวิจัยสรุปเช่นนี้จากผลคาดการณ์ของโมเดลสำหรับสามสัปดาห์ข้างหน้า เนื่องจากโมเดลพบว่าหากข้อจำกัดถูกผ่อนคลายลงเหลือ 50% ของระดับปัจจุบัน บางภูมิภาคจะถึงจุดสูงสุดของการแพร่กระจาย (จำนวนผู้เสียชีวิตในภูมิภาคเหล่านั้นอาจยังคงต่ำหรือเพิ่มขึ้นอย่างรวดเร็ว) ในขณะที่หากประชากรประมาณสามในสี่ได้รับอนุญาตให้ออกไปข้างนอกและเคลื่อนไหวได้อย่างอิสระ จะมีการเพิ่มขึ้นของการแพร่กระจายที่เลื่อนออกไปเล็กน้อยซึ่งจะมีความรุนแรงประมาณ 2 ใน 3 เท่าของจุดสูงสุดในสถานการณ์ที่ไม่มีการควบคุม

ตามธรรมชาติแล้ว ตัวเลขที่อ้างถึงข้างต้นเป็นเพียงค่าเฉลี่ย และความรุนแรงของการแพร่กระจายจะแตกต่างกันไปในแต่ละภูมิภาคตามปัจจัยต่างๆ บางภูมิภาคที่มีการรักษาระยะห่างทางกายภาพอย่างเข้มงวดแล้วมีโอกาสที่จะป้องกันการเสียชีวิตได้มากขึ้นในอีกหลายสัปดาห์ข้างหน้า ตัวอย่างเช่น King County รัฐวอชิงตันได้รับการรักษาระยะห่างทางสังคมและอยู่ภายใต้ข้อจำกัดที่เข้มงวดเป็นเวลาประมาณหนึ่งเดือน และโมเดลคาดการณ์ว่าหากมาตรการเหล่านี้ยังคงอยู่ จำนวนผู้เสียชีวิตใหม่อาจลดลงเหลือเกือบศูนย์โดยเดือนมิถุนายน อย่างไรก็ตาม หากมณฑลอย่าง Bexar County ในเท็กซัสผ่อนคลายข้อจำกัดการรักษาระยะห่างทางสังคม การเติบโตอย่างรวดเร็วจะเกิดขึ้น การเคลื่อนไหวใน Bexar County อยู่ที่ประมาณครึ่งหนึ่งของปกติเมื่อวันที่ 11 เมษายน

โมเดลใหม่และผลคาดการณ์似乎เห็นด้วยกับโมเดลอื่นๆ เกี่ยวกับประสิทธิผลของมาตรการรักษาระยะห่างทางสังคม รวมถึง โมเดลที่พัฒนาโดยนักวิจัยจาก MIT และ โมเดลที่พัฒนา โดยทีมนักวิจัยจาก Microsoft , TCS Research และ Indian Institue of Technology โมเดลของ MIT คาดการณ์ว่าหากมาตรการกักตัวถูกยกเลิกเร็วเกินไป อุบัติเหตุจะเกิดขึ้นเนื่องจากการแพร่กระจายของไวรัสโคโรนาจะมีการเพิ่มขึ้นอย่างรวดเร็ว นักวิจัยที่รับผิดชอบต่อ โมเดลนั้น คาดการณ์ว่า “การผ่อนคลายหรือยกเลิกมาตรการกักตัวในขณะนี้จะนำไปสู่การระเบิดของจำนวนผู้ติดเชื้ออย่างรวดเร็ว ทำให้การดำเนินมาตรการที่ดำเนินการในสหรัฐอเมริกาตั้งแต่กลางเดือนมีนาคม 2020 เป็นโมฆะ”

เป็นเรื่องสำคัญที่จะต้องทราบว่าโมเดลนี้กำลังคาดการณ์จากข้อมูลในอดีต และตามที่สถาบัน Brookings ระบุว่า “หากไม่ได้รับการจัดการอย่างระมัดระวัง ระบบ AI จะพยายามหารูปแบบในข้อมูลที่เกี่ยวข้องกับผลลัพธ์ที่กำลังคาดการณ์” มีความเป็นไปได้ที่โมเดลอาจ underfit หรือ overfit ข้อมูลและผลคาดการณ์อาจไม่ถูกต้องเสมอ

อย่างไรก็ตาม ผลคาดการณ์ของโมเดลใหม่นี้ช่วยเสริมสร้างความเห็นพ้องกันของเจ้าหน้าที่สาธารณสุขที่ว่าการรักษาระยะห่างทางกายภาพและการกักตัวเป็นมาตรการที่จำเป็นและได้ผล

นักบล็อกและโปรแกรมเมอร์ที่มีความเชี่ยวชาญใน Machine Learning และ Deep Learning หัวข้อ Daniel หวังที่จะช่วยให้ผู้อื่นใช้พลังของ AI สำหรับสิ่งที่ดี