人工智能技术帮助全球抗疫保卫者获取信息

此次峰会的一大主题，就是讨论如何利用复杂的系统模型(例如基于代理的模型)为政策制定提供信息。尽管已经从SARS以及MERS等以往传染病事件中积累到不少经验，但在这场疫情大流行当中，来自世界各地的决策者们仍普遍表示自己无法及时获取必要的应对信息。

而高复杂度自适应系统能够将人工智能与基于代理的模型相结合，帮助决策者带来前所未有的新能力，同时显著提升决策制定流程的透明度。

Ben Goertzel博士

Deborah Duong博士

考虑到本次讨论主题的硬核技术属性，Rejuve公司AI开发主管兼SingularityNET网络分析主管Deborah Duong博士在演讲当中解释了基于代理的模型与人工智能相结合的具体实现方式，以及由此可以给决策者及其他抗疫专业人士带来的信息支持。

具体来讲，为了就可能颠覆现代文明社会核心结构的下一波疫情流行或者其他重大灾难做好准备，我们需要一套复杂的自适应系统作为信息枢纽。

复杂自适应系统能够为我们勾勒出整体态势

所谓复杂自适应系统，是指能够将人工智能的力量与基于代理的模拟方案相结合的系统，其将从根本上改变我们分析数据的方式。

Duong博士指出，“复杂自适应系统是指那些整体效能大于各部分之和的系统。我们能够借此从宏观上了解关于各组成部分的信息，而各个部分也将适应并改变整体态势。以此为基础，我们将得以在微观与宏观之间实现交互。”

例如，以COVID-19疫情大流行为例，早在制定社交隔离政策之前，世界上某些地区的居民就已经开始佩戴口罩以防止疾病传播。换言之，他们自发地改变了自己在公共场合的行为习惯。这正是个体在改变自己与周遭环境的微互动方式。而在宏观层面上，由于这些个人行为的转变，世界上某些地区及政府得以更从容地遏制COVID-19疫情。而且在早期行动者们的推动下，其他民众也更容易接受并遵守社交隔离政策。最终，微观与宏观的相互作用共同成就了良好的社交隔离回馈。

Duong博士还表示，“光靠数据有时候并不足以解决问题，但必须承认的是，数据与模式能够为政策制定带来启发。如果我们高度关注数据的处理方式，就可以利用复杂自适应系统分析空间数据与概念性数据中的模式，并借此完善政策成效。”

受到Michael Snyder博士收集并测量自身健康数据以分析人体炎症反应的启发，Duong博士和她的团队利用异常检测算法以分析可穿戴设备传出的信号，并采用Rejuve开发的应用程序收集到此次疫情流行中的大量个体反应。这些数据激发了她修改Ben Goertzel博士专为SingularityNET开发的“复杂自适应系统”的热情，希望在设计层面充分适应抗击COVID-19疫情的需要。

Duong博士解释道，“在COVID-19大流行期间，医疗保健工作者与其他普通劳动者仍然需要正常工作。即使他们正确佩戴口罩与手套，传染风险也仍然存在。因此，他们应当掌握关于自身健康以及工作场所病例分布的更多信息，引导他们做出明智的出行决定。如果可以及时使用可穿戴设备，这些产品将在他们进入高风险区域前发出提醒，或者是在他们可能遭受感染时提前与家人保持隔离。”

复杂自适应系统还有望帮助我们从已感染及未感染人群之间的交互数据当中，找出“COVID-19的数据签名”。

利用人工智能与因果推理发现的种种模式，将帮助我们识别出符合定义的概念性群体，并根据社会背景完成数据分析。

数据所有权、隐私与安全

目前，媒体在监督AI系统隐私、数据所有权以及安全性等方面表现得相当出色。我们可以构建起一套复杂自适应系统，确保每位民众都切实具备数据所有权、隐私与安全保障。与此同时，利用具备因果推理能力的人工智能方案，我们则可建立决策网络并及时向决策者提供信息支持。正如马尔可夫决策流程一样，我们可以在模拟场景中进行数据建模。只要一定比例的人口使用可穿戴设备，我们就能收集到制定准确政策所必需的最低数据量。

Duong博士表示，“如果我们拥有一台完全安全(经过加密)的自有可穿戴设备，并由AI负责发现决策模式而非识别个人身份，那么该设备即可及时将风险通报给佩戴者，并赋予他们自主决定的权利。与此同时，政策制定者则能够从个人决策中获取更多情报，据此出台符合民众判断的抗疫策略。”

细微差别，将决定政策的质量与成败

由于现有统计方法过于宽泛再加上方法层面的不确定性，决策者们在此次疫情流行期间制定的应对策略，往往无法兼顾细微层面的具体差别。

更重要的是，在制定社交隔离或出行政策时，某些特殊人群可能需要采取适合自己的针对性引导。

举例来说，在政策制定者要求人们进行社交隔离时，民众可能会问所谓的“社交隔离”或者说距离保持具体是多远?1米，还是2米?

在医院中，医护人员一直在与病毒传播进行艰苦斗争。更残酷的是，很多护理人员为了维持生计而不得不在多家医院之间往来奔波，这就带来了病毒在不同医院间传播的隐患。

Duong博士指出，“在复杂自适应系统当中，系统能够适应这些情况，并针对细微差别做出及时响应。政策制定者不仅可以为使用可穿戴设备的人们提供单独的建议，同时也能快速意识到细微差别对于整体系统乃至整个社会的影响。如果存在大量往来于多家医院的兼职护士，就必须出台相应的政策以避免他们在不同医院之间传播病毒。”

核心优势

使用复杂自适应系统分析Rejuve/COVID-19应用数据的核心优势，在于“让拉低病例曲线回归真实意义”。实际上，疫情流行期间很多人对于“拉低病例曲线”都存在误解，以为只要推行社交隔离措施，感染人数就会减少。而事实并非如此。

可穿戴设备模拟视图

受感染及因疫情死亡的总人数仍将保持不变，只是整个爆发过程会更加平缓，帮助我们的医疗系统更从容地应对一批又一批感染病例。

另一方面，如果能够在疫情流行期间引入复杂自适应系统提供的策略，也许真的可以控制峰值部分从而真正“拉低曲线”。

可穿戴设备模拟视图2

Ben Goertzel博士总结道，“复杂自适应系统的构建从细粒度建模开始。大家当然不希望自己的生物识别数据被政府方面全面掌握。因此，我们需要更高级别的集成方法、保持数据所有权、保障安全性。但在另一方面，决策者需要了解数据、跟踪影响并获取制定政策所必需的充足信息。通过在SIngularityNET生态系统内使用这套开源复杂自适应系统，我们将有望实现这项目标。在行业对人工通用智能的不断探索当中，AI的大众化进程或将成为决定成败的关键。”

即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的 智力才能胜任的工作，也就是研究如何应用计算机的软 硬件来模拟人类某些智能行为的基本理论、方法和技术。