至顶网CIO与CTO频道 05月26日 北京消息:全球领先的信息技术研究和顾问公司Gartner最新研究报告显示,负责人工智能(AI)战略的高管,尤其是政府和医疗机构的首席信息官(CIO)和首席数据官(CDO),应该在新冠肺炎(COVID-19)疫情期间充分利用AI技术,在五个核心领域改善决策制定。
“在抗击新冠肺炎疫情的战争中,AI是重要的武器库,”Gartner研究副总裁Erick Brethenoux表示,“这项技术能对病毒的传播进行预判,帮助医生更快、更准确地诊断病例,衡量减缓疫情传播对策的有效性,优化急救资源,等等。AI的力量不应被忽视,也不应受限制,但一定要确保以符合伦理的方式加以使用。”
Gartner认为在抗击新冠肺炎疫情的战斗中,AI在以下五个领域将充分发挥影响力:
早期检测和流行分析
AI技术可用于了解、分析和预测病毒传播和减缓传播的方式和地点。
例如,通过分析一系列民众数据,包括手机定位、公共场合面部识别及针对传染源病人的行动轨迹回溯等,可以自动进行接触者追踪,构建详细的社交图表。在此基础上,传染源病人的接触者就会收到预警通知、接受检测或被隔离。
“其它适用于这一领域的AI应用包括疫情预测、群体免疫动态监控等。短期来看,这些能力明显有助于实现社会上‘压平疫情曲线’的需求,也能尽量减轻医疗系统的压力;而长期来看,如果疫情再次爆发或出现小幅度的蔓延,这些能力也是非常重要的,” Brethenoux先生表示。
遏制
考虑到封城等“一刀切”措施所带来的巨大社会及经济影响,在采用AI来遏制疫情时,与IT以外领域专家的协作至关重要。
“行为分析关注人类行为、文化和个人思维的动态变化,可以用来判断社交距离是否符合要求或某种集体行为是否有害等问题,是一种新的分析角度,”Gartner高级研究总监Pieter den Hamer表示。“执法部门可以预测何时何地人们可能会违反禁足令或社交距离规定,因此可以相应地提前部署执法力量,进行预测执法。”
分类和诊断
虚拟健康助理等远程医疗实践可以帮助人们通过AI技术进行自我分类,判断自己是否可能被感染,了解接下来需要采取哪些措施,这已经成为很受欢迎的做法。增强型医疗诊断和分类也是能在这一领域大展身手的关键AI能力。
“如果以增强手段辅助人类判断,AI能改善部分诊断的准确性,尤其是较为复杂的病例,”den Hamer先生表示。“预后建模,或预测某种疾病如何在患者群体中发展,也可用于改善治疗建议。“不应忽视AI参与评估病患风险和预后的事实,尤其是在专业医疗人员可能出现人手短缺的时候。”
医疗手术
疫情期间,AI在精简医疗手术、优化稀缺医疗资源分配中扮演重要角色。医疗行业CIO和CDO可以分析预期的患者人数及其个人预后,并与合格的医务人员、医疗物资和设备进行动态匹配,使用预测性人员部署来改善人员分配。
“通过远程病患监控以及AI预警等手段,也可以让患者在家中康复,减轻医院的负担,同时更好地了解症状的发展变化,” den Hamer先生表示。
疫苗研发
医学研究人员借助AI绘图和自然语言处理(NLP),可以搜索成千上万的相关报告,以前所未有的速度在数据之间建立联系。增强型医疗研发也确定了冠状病毒对策,包括已在人体上进行测试的对策。
“医疗行业CIO和CDO应该充分探索AI的用武之地,采用持续的系统性AI应用识别和排序流程来抗击新冠肺炎疫情。技术人员不应过高估计自己对公共卫生和医学问题的理解能力,而应与医疗专业人士合作创建并积极宣传可以透明共享AI应用、模型和数据的开放市场,” den Hamer先生表示。
好文章,需要你的鼓励
2025年,企业技术高管面临巨大压力,需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展,完善了项目优先级排序方法。然而,CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现,一些CIO预期明年将带来劳动力策略变化。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具,新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集,增加了跨工作负载成本分摊跟踪列,以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长,技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商,小企业可能使用两家,同时还有数据中心、SaaS和许可等服务。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。