疫情推动人工智能成为我们生活中的重要组成部分

Posted 2021-04-26 大中生活

Quietly waiting in the background of the pandemic, AI is about to become a big part of our lives

（大中报/096.ca讯）：根据国家邮报的报道，早在12月，在世界开始关注新型冠状病毒之前，多伦多的一家名为BlueDot Inc.的公司就已意识到了一些潜在的危机，让人感觉有些不对劲。

今天你也许关心的话题：

他们通过应用人工智能（Artificial Intelligence，AI）算法分析新闻报道和机票数据，甚至在世界卫生组织发布警告之前，BlueDot已经察觉到重大疾病爆发正在酝酿之中。

1月下旬，《连线》（Wired）头条报道说：“一位流行病学家根据BlueDot的数据分析发出了有关武汉病毒的第一个警告。”

3月，当世界其他地区开始了解COVID-19大流行的严重性时，BlueDot又获得了另一轮媒体报道的数据。

疫情期间 人们的异常行为使AI模型不知所措

该公司使用了一种人工智能的应用程序，通过大量数据来找到人类无法想象的微妙模式。

几个月后，科技媒体讲了一个不同的故事。

麻省理工学院《技术评论》杂志一篇文章的标题宣称：“在大流行期间，我们的异常行为使AI模型陷入混乱。”

旨在基于历史数据来预测人类行为节奏的AI系统不再起作用，因为这些节奏已被大流行导致的关闭和封锁给颠覆了。

尽管在过去几年中，技术人员大肆宣传AI的功能， 并为之感到兴奋，但关于如何对抗冠状病毒的讨论也基本上没有AI的参与，即使是最热心的拥护者也承认，该技术在大流行期间已逐渐淡出人们的视野。

最重要的公共卫生措施绝对是低技术含量的产品，例如社交疏散，口罩和跟踪流行病学等等，但专家表示，AI的缺席不会持续太久。

他们表示，大流行持续的时间越长，人工智能就会变得越重要，它将在经济复苏中发挥重要的作用。

总部位于多伦多的AI软件开发商Element AI首席执行官冈耶（Jean-François Gagné）说：“我倾向于这种看法。”

“当形势动荡不稳时，找出风险和不确定性的算法意味着计算会更佳复杂。”

人工智能是对一系列技术的模糊定义，但过去十年来的大多数激情都是围绕着深度分析研究，它使用的是松散地模拟人脑神经网络的计算机编程结构。

通过将大量数据输入这些计算机化的神经网络，可以让计算机得出一个算法来识别模式并做出预测。

该技术可用于诸如图像识别之类的任务。通过向神经网络输送一百万张照片，其中一些图像上有猫，有些没有猫，您可以训练系统以识别数据中看起来像猫的模式。一段时间后，您将拥有一台可靠识别猫的计算机。

相同的过程可以应用于许多不同的情况。例如，神经网络可以获取有关您的互联网浏览历史记录的所有数据，数据中的模式以及其他客户数据中的单点模式，然后将其输入到推荐算法中，让电子商务公司了解您热衷的、有意向购买的产品。

冈耶和其他几位专家向《金融邮报》表示，人工智能的成功在很大程度上仅限于此类特定功能。他说，当您尝试着想做一些雄心勃勃的规划时，例如使用计算机学习来运行一个运输网络，这真的有点难度。

他说：“我们所有人都知道，描述世界并为其设立一个模型比较困难。从广义上讲，目前行业中的大多数预测系统都是非常简单的技术，这些描述外部世界的技术通常只需几个月有规律的的数据即可。”

在实践中，这意味着AI倾向于在大型系统中像特殊的调味料一样运作良好。

例如，深度学习可以通过分析所有触摸屏输入信息的模式，然后通过个性化手指按压力度来改善手机灵敏度。

多伦多大学的罗特曼管理学院教授、有关人工智能经济学的一本书《预测机器》的合著作者戈德法博（Avi Goldfarb）说：“很多时候，AI并不都具有变革性。。

“有时候，AI不仅可降低成本，还可以比以前更好地为客户提供服务，因为您可以个性化某些东西。”

但是，分析触摸屏上的输入是一回事，当问题变得越来越复杂时，则是另一回事。

AI总有一天会应用于自动驾驶汽车，但是这样做的算法将需要考虑各种各样的可能性，以便在城市街道上驾驶汽车，而且这个赌注非常得高，因为一旦失误可能会杀人。

AI可以实现一些雄心勃勃的创意，例如自动驾驶汽车或做出更好股票选择的机器人，往往会成为市场炒作和夸大其词的卖点吸引投资和客户的兴趣。要想做到完美无缺却很难，需要大量数据做基础。

人工智能的科幻视野虽然很容易引起人们的注意，但却未能完全兑现，它使AI看起来似乎无法体现其价值。在疫情期间，人们似乎没有看到AI的身影。

戈德法博说，事实上，用于对抗新冠疫情的许多工具中都有AI存在，并已嵌入更大的技术系统中。

一些用于测试发烧的热像仪和温度计在其软件中已嵌入了机器学习功能，以提供更准确的结果，甚至可以汇总匿名数据以预测未来的感染发作。

机器的深度学习功能可以使这些系统中的工具更好地发挥作用，但对机器人的宣传没有获得同等的市场宣传力度。

总部位于多伦多的Sightline Innovation Inc.首席执行官、国际治理创新中心高级研究员川赫尔姆（Wally Trenholm）表示，最终，只要使用数据进行模式识别，AI便会成为软件开发的常规部分。

川赫尔姆表示，深度学习会逐渐嵌入所有事物之中，并且变得非常普遍平常，以至于很少人会觉得它稀奇。

他说：“我将AI视为一种多用途技术，类似于1970年代的数据库。如果现在来查看每一个软件，里面都有一个数据库。估计40年后，每个软件中都将包含AI。”

当前的新冠疫情甚至会加速通向无处不在的AI未来之路。

川赫尔姆说，新冠病毒改变了一些日常经济活动，包括关闭商业和远程在家工作，人们创建的数据比以前多得多。

过去在办公室会议室中举行的会议现在通过Zoom进行，而同事之间的面对面交流也转移到Slack。

 

“最近几个月来，疫情导致了工作的大规模数字化。川赫尔姆说：“许多过去面对面或无法记录的事物现在都已经数字化。一旦信息被数字化，就可以使用机器学习来提供帮助。”

随着大流行蔓延，从最初的危机转变为疫情的持续，科学家和技术人员已经在寻找使用数据和神经网络与疾病作斗争的方法。

7月份，多伦多大学重点介绍了两名研究人员的工作，他们正在使用深度学习从先前的候选药物和疗法中识别出能与新冠对抗的方法。

他们通过采用数据来预测哪些潜在药物最有前景，而不是采取缓慢而有条理的方法，从而加快了典型的研究过程。

多伦多大学副教授朱利安（Jean-Philippe Julien）在大学网站写道：“我们通常采用线性的方法逐步进行，选择一些候选药物或疗法，并逐步进行测试。”

“但是现在，我们都知道，使用这种方法是不可能快速得到最佳治疗方案的。每个人都认为必须采用更快的方法。”