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
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。