日本最快的新冠感染預測模型來了!谷歌最新AI技術日文版公開

2020-11-28 騰訊網

今年恐怕最讓人害怕的兩個字就是新冠了。這場全球性疫情的到來打的人類社會措手不及，它說大就是整個人類社會的問題，說小其實就是每個人身邊的問題…

對於疫情地區的細分，相信不少人還是有所困惑，到底自己身處的這個生活空間周邊的疫情是怎麼樣的？目前日本已經不乏有很多新聞媒體會總結每天的感染人數，但從「預測」這方面來講多少有些欠缺，谷歌近期的一項新技術就「預測」問題給出了日本一個比較好的答案。

圖源：yahoo japan

向來是作為AI技術領頭羊之一的谷歌，其實早在今年4月份的時候，就嗅到了新冠與以往不一樣的味道，因為這種敏感的嗅覺，讓谷歌在新冠早期的時候就著手開發了相關的AI預測模塊技術。

圖源：k-tai.watch

截至到近期，這項技術隨著全世界各國所提供的數據越來越精準，谷歌AI新冠預測模塊技術已經可以相當快速的通過內部算法推斷、預測新冠疫情的走勢，並形成模塊圖，供使用的人們方便查看。

近日，谷歌也公開了日文版的新冠預測模塊技術。這項技術的公開所受益的人不僅僅是日本專業的醫療機構，同時也可以供普通民眾進行參考。通過這項技術，可以幫助醫務人員快速制定醫療器材、人員整備等相關計劃，同時可以通過預測模塊走勢儘早判斷有感染擴大危險的地區在哪裡。

圖源：yahoo japan

#快速預測新感染人數、死亡人數等#

作為這項AI技術最重要的能力之一，谷歌將預測數據公開在Data Studio dashboard、谷歌雲服務BigQuery、CSV文件中。我們在這裡給大家舉個例子，以整個日本的新冠感染區域模塊為例。

圖源：Google

如圖所示，谷歌技術將新冠感染範圍用圓的大小來區分，使用者可以通過肉眼非常快速的分辨出感染區域的位置，同時會同步在下方以精確的數字儀表界面告知使用者實時感染數據，同時會顯示今後28天通過推測預計的感染人數等信息。

圖源：Google

同時谷歌還提供定位技術，可以快速知道使用者所在地區附近的新冠感染情況，仍然分為兩個部分，一個是圖形表，一個是具體數字表，兩者有效結合，為使用者提供綜合數據總結。

以日本神奈川縣舉例 圖源：Google

谷歌這項新技術不僅僅擁有上述的預測能力，它還可以通過人們的隨身智能設備，比如智慧型手機、智能手錶等，來推測人們的移動範圍，通過總結這類數據，來推斷各地區的人口密集程度以及相對密集時間段。

#供日本民眾使用的新冠預測模型尚屬首次#

早前，谷歌與美國哈佛大學全球健康研究所共同開發了第一版的預測模塊，並在美國進行了公開。而近日谷歌所提供的日文版新冠預測模塊，對於全日本地區來說尚屬首次。

其實到這項技術正式公開前，AI吸收了大量的日本新冠相關數據，通過學習，加之對之前日本新冠相關數據的再滲透，才慢慢摸索出一套只針對日本的AI特有的預測模塊。並且谷歌在這項技術公開前，做了大量的實驗，比如提前預測新增感染人數以及死亡人數等。通過多次的訓練，增加了AI技術的精準度。

全球範圍感染地區圖示 圖源：Google

雖說谷歌開發的這項AI技術在某種程度上來說已經可以做到很快的對應，但其實，到反映出最新信息仍然需要1-3天左右的時間。這也與國家是否要變更PCR檢查方案有很大的關係，如果檢查方案產生變化，那麼AI預測的反應時間也會隨著增加。

其實說起「預測」二字，那麼我們也清楚，它只是基於準確數據所推測出來的趨勢數據，那麼它的準確性在某種程度上來講並不能成為100%的依託，它只能是一個參考值。但是它所達到最大的職能範圍就是提醒使用者要對哪個地區提高防範意識，這點是對於日本普通民眾來講最重要的。

谷歌也表示：可以將這項技術作為參考信息之一，同時也希望大家可以多個數據對比使用。

END

相關焦點

  • 谷歌面向日本提供新冠疫情AI預測數據
    共同社消息，當地時間16日，美國谷歌公司開始面向日本提供運用人工智慧（AI）的新冠病毒感染預測信息，按各都道府縣顯示未來四周期間預計將出現的陽性人數、住院患者數、死亡人數等數據。相關網站向公眾開放，旨在幫助醫療機構和行政機關準備對策。
  • Nature 子刊重磅：騰訊與鍾南山團隊發布新冠危重症 AI 預測模型 Cox
    團隊已公開了相關論文，並將模型在Github開源。在感染COVID-19的患者中，大多數呈輕度至中度症狀，但也有一部分患者的病情初期表現平穩，但會以很快的速度惡化，遭遇更高的健康風險。因此，快速識別出這類有潛在重症風險的患者，對於抗擊疫情意義重大。通過回溯1393例外部患者的檢驗數據，該模型的預測性能也得到了實踐驗證，證明了模型的可靠性與有效性。
  • 谷歌AI可預測新冠病毒蛋白質結構 或有助於遏制全球爆發
    據最新統計，世界各地的科學家都在竭盡全力了解這種新病毒，DeepMind的發現希望減少確定病毒蛋白質結構的時間。谷歌的英國研究團隊剛剛使用DeepMind的新深度學習系統AlphaFold預測新型冠狀病毒的蛋白質結構。該系統使用被稱為「自由建模」的機器學習技術，當沒有類似的蛋白質結構可用時，它可以自主生成新的蛋白質結構。據最新統計，世界各地的科學家都在竭盡全力了解這種新病毒，DeepMind的發現希望減少確定病毒蛋白質結構的時間。
  • 日本專家的新觀點：新冠病毒「七階段模式」，預測今冬的流行狀況
    之後的新冠病毒在日本的經過大體上和高橋教授的預測一樣，不過，據說根據之後知識見解變得更清楚了，進行了七階段模型的部分的修改。這次將介紹其內容和「七階段模型」中看到的現狀的解釋以及今後的預測。——請說明GoTo以後的新冠病毒的動向。在GoTo宣傳活動之前，「日本也有10萬人以上死亡的可能性」的預測變得很有名。另一方面，我在同一時期用7個階段的模型進行了如下預測。
  • 谷歌表示新的AI模型可以實現「近乎即時」的天氣預報
    谷歌是最新涉足的公司，本周在博客中分享了一項新研究，稱可以實現「近乎即時」的天氣預報。這項工作尚處於早期階段，尚未集成到任何商業系統中，但早期結果似乎很有希望。在未經同行評議的論文中，谷歌的研究人員描述了他們如何能夠以僅數分鐘的計算，以1公裡的解析度提前六小時生成準確的降雨預測。
  • 美高校研發APP通過人的聲音檢測新冠感染;谷歌公布用戶定位數據...
    讓小探帶你來看看吧！首先，大公司方面，谷歌公布用戶數據，幫助各國抗疫；美國第三、四名電信運營商T-Mobile，Sprint合併；矽谷各大科技巨頭開始布局短視頻行業，抖音海外版能否應對競爭？前沿科技方面，卡耐基梅隆大學發布一款可以通過語音檢測新冠病毒的APP。
  • 東京新增493人,日本全國單日新增超2100人,谷歌預測日本未來一個月...
    截至18日，東京都內新增新冠感染者493人。該數字超過今年8月1日的472人，創下疫情暴發以來的最高紀錄，疫情形勢明顯惡化。與此同時，日本全國18日通報的新冠病毒感染者新增人數超過了2200人。　　美國科技巨頭谷歌公司16日開始面向日本，提供基於數理模型和人工智慧的新冠疫情預測服務。
  • 疫情拐點何時出現——基於數學模型的新冠病毒傳播預測
    對於經典且成熟的模型來說，輸出結果的可靠性完全由輸入參數的準確性決定，因此本文從新冠病毒的具體情況入手，著重從多個角度來評估、檢驗和校正模型的輸入值，提高模型輸出結果的可靠性。　　3）通過1月14日到22日武漢遷出人口排名前8的省市隨後一周的確診病例數與武漢遷出人數的關係，來反推武漢潛伏期感染者的比例和數目，獲得求解模型的重要約束條件。通過數值求解得到參數值，代入模型對新冠疫情進行評估和預判。　　主要結論：　　1）新冠病毒基本傳染數明顯大於SARS，但單次接觸的傳染概率可能略低，民眾無需恐慌。
  • 谷歌AI可預測新冠病毒蛋白結構,有助於研究人員阻止其全球爆發
    IT之家3月6日消息 據外媒報導，谷歌旗下人工智慧部門DeepMind正加入全球行動，以進一步了解新冠病毒的信息，該病毒正在全球大部分地區蔓延。這個位於英國的團隊剛剛使用了DeepMind的新深度學習系統，IT之家了解到，該系統使用一種稱為「自由建模」的機器學習技術，當沒有相似的蛋白質結構可用時，幫助它預測蛋白質結構。DeepMind的發現希望減少確定病毒蛋白質結構的時間。
  • 我國科學家建立新冠病毒小鼠感染模型;全球首款「蠶絲硬碟」問世
    科技前沿我國科學家建立新冠病毒小鼠感染模型據中國農科院最新消息，該院哈爾濱獸醫研究所研究員步志高團隊研究建立了，能同時在小鼠上呼吸道和下呼吸道穩定、有效複製的新冠病毒（COVID-19）感染模型。研究發現，自然情況下，小鼠對新冠病毒不易感，因此研發出對新冠病毒具有易感性的小鼠感染模型具有無可替代的價值，為深入探索新冠病毒的感染與免疫機制提供了重要手段。
  • 盤點:美國新冠疫情預測數據總結,預測很骨感,現實更豐滿!
    疫情以來，已有無數科研機構，分別在不同階段，做出不同的疫情數字預測，問題來了，究竟哪家的預測，更為精確？以下數據，均來自本人一手查詢相關官方渠道信息，可供收藏、查閱與摘引。【2020年1月】31日，《自然》雜誌刊文：最好估計是，中國嚴防死守的相關防控措施開始發揮作用，因此感染人數將減少；最壞的估計是，在各種糟糕情況疊加下，此次疫情有可能最高感染至19萬人。
  • 谷歌官方公布:票房預測模型
    這在業內引起了強烈討論，不少內人士認為該模型非常適合好萊塢電影公司通過預測票房來及時調整電影營銷戰略，但同時也有吐槽者暗示谷歌的票房預測模型別有用心，旨在鼓動電影公司購買其搜尋引擎廣告。那麼，孰是孰非，谷歌票房預測模型以及大數據在電影行業的應用是噓頭，還是大有來頭，讓我們來一探究竟。
  • 幹細胞人肺模型可模擬新冠病毒感染
    科技日報北京11月29日電 （記者張夢然）英國《自然》雜誌26日發表的一項幹細胞最新研究成果，美國史丹福大學研究人員報告一種人類肺培養系統問世，它可用於模擬肺部感染，包括引起新冠肺炎的新冠病毒感染。而肺部幹細胞可以再生肺部組織，因此有潛力能形成實驗室肺培養模型，用於研究肺病、癌症和感染。但是，肺部是人體最複雜的器官，肺臟自近端到遠端包括氣管、支氣管、小支氣管和肺泡等結構，對氣體交換和抵禦病原體入侵至關重要，由數十種不同細胞的協同工作保證了其正常功能的進行。
  • AI幫人類登上火星、抗擊新冠病毒，為倫敦交響樂團譜寫樂曲
    NVIDIA 執行長黃仁勳 GTC 主題演講中所播放的最新「I Am AI」視頻，介紹了科學家、研究人員、藝術家等在 AI 領域所取得的歷史性進步。AI 在全球的影響力到底有多大？根據 Gartner 的預測，這項技術到2021年將創造2.9萬億美元的商業價值。
  • AI可以如何抗擊新冠?WHO論文告訴你這三大場景大有可為
    多項研究已經將診斷定為二元分類問題，即「健康」與「新冠病毒陽性」。Wang 等人使用改進過的 Inception 神經網絡架構，對醫生確定過的區域進行訓練，從而對健康患者和新冠患者進行二元分類。基於 259 位患者的約 1000 個圖像切片的數據集，研究者訓練出了能夠識別疑似 COVID- 19 的模型，然後將結果提供給醫生作進一步診斷。
  • 性能媲美BERT,參數量僅為1/300,谷歌最新的NLP模型
    機器之心編輯部在最新的博客文章中，谷歌公布了一個新的 NLP 模型，在文本分類任務上可以達到 BERT 級別的性能，但參數量僅為 BERT 的 1/300。在過去的十年中，深度神經網絡從根本上變革了自然語言處理（NLP）領域的發展，但移動端有限的內存和處理能力對模型提出了更高的要求。人們希望它們可以變得更小，但性能不打折扣。
  • Jeff Dean撰文:谷歌AI 2018研究成果匯總
    第二個例子是我們在地震餘震預測方面的工作，我們展示了機器學習模型可以比傳統的基於物理的模型更準確地預測餘震的位置。 更重要的是，由於ML模型的設計是可解釋的，科學家們已經能夠對餘震的行為做出新的發現，這不僅可以得到更加準確的預測，而且對餘震的理解理解也達到了新的水平。
  • 研究表明：全美這些場所最易感染新冠
    ，在全美大城市中，大部分新冠肺炎感染者，與少數人們經常去的地方存在關聯。該模型還發現新冠病毒感染中存在嚴重的種族和社會經濟不平等現象。萊斯科維奇在周二的通報會上表示，該模型預測，「感染的發生率非常不均勻，大約有10％的目標場所佔所有感染的80％以上，這些地方面積較小、人群較多，停留時間更長。」
  • 新冠檢測新方法：用咳嗽聲診斷無症狀感染者，準確率達100%
    有數據顯示，世界50%新冠（COVID-19）病例由無症狀感染者傳染。基於此，當冠狀大流行開始蔓延後，Subirana開始思考是否可以利用AI診斷COVID-19，因為已經有證據表明，新冠感染患者會發生一些類似的神經系統症狀，比如，暫時性神經肌肉損傷
  • 憑咳嗽聲就可檢測出新冠患者？MIT研發可辨別新冠病毒AI模型
    MIT 提供的模型只需要一段簡單的咳嗽聲，就能檢測出受測者是否感染新冠病毒，無需依靠之前明顯的特徵。這是因為 AI 模型能夠辨別新冠病毒患者和健康人之間咳嗽聲的差異，而人耳不行、即使是專業的醫護人員。其實，利用 AI 模型研究聲學特徵並不是首例。早在疫情爆發之前，MIT 研究團隊已經在嘗試利用 AI 分辨聲音來診斷阿爾茨海默症（AD）早期的患者。也正是這項研究，使得他們發現了識別 COVID-19 無症狀感染者的可能性，並提供了 AI 算法支持。