AI模型说明了持续社会疏离的重要性

随着世界各地大流行病的蔓延不减，被迫避难的人们有着共同的愿望，即希望看到社会距离在多大程度上减慢了疾病的传播速度。这是可以理解的-政府强行关闭企业造成的附带损害有可能破坏整个行业。根据劳工统计局的数据，截至本周，已有2600万人申请失业救济，国际货币基金组织(IMF)预测，全球金融危机将与大萧条相提并论。

幸运的是，德克萨斯大学，西南研究所和德克萨斯大学健康科学中心的研究人员发表的预印本研究强烈暗示，隔离和物理疏远已达到预期的效果。使用名为SIRNet和几种流行病学模型的混合AI系统，这些模型在智能手机位置数据以及人口加权密度和初创公司Safe Graph，世界卫生组织，疾病控制与预防中心以及其他地方的其他数据点上进行了训练，合著者声称他们设法准确预测了各种社会疏远政策的结果。

人们可以在德克萨斯大学建模协会发布的网站上查看其的预测。

研究人员的系统从成千上万部智能手机中获取的，州和级位置数据用于预测接触率，人口密度的函数以及一个地区中人们之间的移动和互动。这是针对病例计数数据绘制的，特别是一个时间序列集，它捕获了不同地理粒度级别的活动，恢复和致命病例的，研究人员应用了10天的滞后时间来解释传染与获得阳性检测确认之间的延迟。

研究人员报告说，基于未来三周(系统的最大值)的预计预测，仅“检疫级流动性”的持续进行将导致低病例数。如果将限制减少约50%，该系统预计某些社区将达到稳定高峰的边缘，死亡曲线将保持在低峰或迅速急剧上升。而且，如果有75%的人口能够像往常一样自由移动，那么该系统预测结果将是在100%流动时(仅在韩国除外)略微延迟的峰值，大约是最大峰值的2/3。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！