剑桥AI模型力证口罩逆天作用:100%人口戴口罩,疫情根本不会扩散

简介: 为什么中国和韩国可以在短时间内就压制住病毒?

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

image

为什么中国和韩国可以在短时间内就压制住病毒?

为什么日本在社会秩序照常的情况下疫情甚至一直不温不火、没有爆发?

为什么拥有发达医疗资源的欧美社会在疫情传播过去之后一溃千里?

相信大多数东亚人心中都有一个简单的答案:戴口罩!

image

医疗体系再发达,顶不住欧美人民头铁啊。

image

全球很多研究人员也在致力于用科学研究证明戴口罩的重要性。

在本周发布的一项新的预印本研究中,剑桥大学,伦敦大学学院,巴黎高等经济学院,香港科技大学和芬兰家庭联合会的研究人员提出了两种人工智能模型,旨在预测戴口罩对新冠病毒传播的影响。

论文名字叫:《在新冠疫情大流行中,口罩普及迫在眉睫:SEIR和基于代理的模型、经验验证、政策建议》。

image

他们为了这项研究大声疾呼,甚至还出了一本通俗的宣传册,来告诉民众戴口罩的重要性。

image

模型表明,当至少有80%的人口参加时,戴上口罩会产生“重大影响”,而当低于50%的人选择戴口罩时,戴口罩产生的影响最小。其中一种交互式可视化模型可以在这里玩,你可以进去自己调参:

https://www1.icsi.berkeley.edu/~dekai/mirror/masksim/

进去之后你会看到这样一个页面:

image

该论文的结果与美国疾病控制与预防中心(CDC)和世界卫生组织(WHO)的指导相一致,两者均建议在公共场合戴口罩。

冠状病毒的传播主要通过呼吸道飞沫,当感染者咳嗽或打喷嚏时,飞沫可能会飞出去,落在别人的嘴或鼻子上。口罩被认为可以通过捕获更大的液滴来减少传播。

模拟结果确实有助于解释亚洲应对疫情方面“令人困惑的优势”:普及戴口罩的有效性,与采取社交隔离措施加上社会封锁的有效性相当。

1 戴口罩和其他措施相比效果到底如何?

第一个模型试图预测戴口罩与其他措施(主要是封城和物理距离)相比的屏蔽效果。

它将人群分为代表疾病进展不同状态的类别-易感,暴露,感染和康复-并使用动态网络密切模仿社会中人们之间的接触。

由节点和边组成的图形表示个人(节点)及其交互(边),相邻节点形成一个人的“紧密接触”网络。

从该网络以外的任何地方进行的联系都象征着更广泛的人群之间的全球联系。

image

通过改变影响互动程度和平均亲密接触次数的参数,研究人员能够使用该模型来衡量各种程度的社会疏远和封锁措施。

为了研究方便,适应大多数西方国家被感染的时间表,他们假设从最初的1%感染人口(67000)开始,在3月24日实施了锁定,并计划于5月31日解除锁定。

然后,他们模拟了从第0天(3月23日)到未来的500天——大约17个月的时间内发生的变化。

该团队报告说,模拟显示,采用率达到80%时,戴口罩使感染曲线变平的程度远大于封城(前者导致60000例死亡,而后者是180000例,相差三倍)。

同时,50%的口罩普及率还不足以防止持续蔓延(会造成24万人死亡),并且,在5月31日起以社会隔离代替严格的封城,同时不戴口罩的话,蔓延将无法控制。

image

2 不同口罩区别如何?

第二个模型采用基于代理的技术,各个软件代理“佩戴”具有不同属性(例如,布或外科)的口罩。

在200人的人口基数里,假设感染率为1%,研究人员模拟了疫情爆发后300天的情况,改变了人们戴着口罩和口罩的程度传输(呼气)和吸收(吸气)的特性。

基于代理的模拟结果表明,只要戴口罩足够早,即使口罩是非医疗用或自制的,也可以减少病毒传播。

爆发时口罩采用率如果达到100%,会导致感染数量“急剧”减少,而90%的采用率会使得疫情在50天后被“抑制”。

同时,发现50%的采用率是一个不足的水平,要等到第75天宣布戴口罩的政策后,感染程度才能降低。

这两个研究人员的模型都表明,如果4/5的人在封锁解除之前开始在公共场所戴着布口罩,那么疫情扩散的程度足以取消封锁并避免第二波感染。

另一方面,如果只有2/5的人戴口罩,则感染率虽然会大幅下降,但可能不足以阻止第二波感染。

如果不戴口罩,一旦解除封锁,即使社交隔离仍然持续,病毒依然会感染几乎一半的人口。这可能导致英国总共超过一百万的死亡人数。

如果不进行屏蔽,则在九周后解除封锁,同时保持社会疏远措施,将有可能在4-5个月的时间内造成第二波主要流行病的危险。

持续的封城+不戴口罩,最终会使疾病得到控制,但是全面封锁的经济和社会成本将是巨大的,这会推动人们努力寻找替代解决方案。

蓝线是从没得过病的人,绿线是康复的人,红线是患者数量。(看粗线即可)

image

对,你没看错。如果100%的人口戴口罩,即使过了300天,曲线也基本是恒定水平的,在社会完全放开的情况下患病率才不到10%。

基于研究结论,研究人员们敦促尚未这样做的政府和国际机构将戴口罩作为人口政策中的关键工具之一,直到病毒得到控制:

“口罩的普及、大规模检测、再加上对确诊病例的跟踪和隔离以及社会隔离——这为我们展示了在冠状病毒时代迈向可持续生活方式的道路。”

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/live

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-05-13
本文作者:啸林
本文来自:“网易智能”,了解相关信息可以关注“网易智能

相关文章
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
当大火的文图生成模型遇见知识图谱,AI画像趋近于真实世界
本文介绍了阿里云机器学习PAI团队开发的名为ARTIST的中文文图生成模型,该模型融合了知识图谱信息,能够生成更加符合常识的图像。ARTIST基于Transformer架构,将文图生成任务分为图像矢量量化和文本引导的图像序列生成两个阶段。在第一阶段,模型使用VQGAN对图像进行矢量量化;在第二阶段,通过GPT模型并结合知识图谱中的实体知识来生成图像序列。在MUGE中文文图生成评测基准上,ARTIST表现出色,其生成效果优于其他模型。此外,EasyNLP框架提供了简单易用的接口,用户可以基于公开的Checkpoint进行少量领域相关的微调,实现各种艺术创作。
|
2天前
|
人工智能 vr&ar
[译][AI Research] AI 模型中的“it”是数据集
模型效果的好坏,最重要的是数据集,而不是架构,超参数,优化器。
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
大模型和传统ai的区别
在人工智能(AI)领域,大模型一直是一个热议的话题。从之前的谷歌 DeepMind、百度 Big. AI等,再到今天的百度GPT-3,人工智能技术经历了从“有”到“大”的转变。那么,大模型与传统 ai的区别在哪里?这对未来人工智能发展会产生什么影响?
|
4天前
|
人工智能 监控 安全
|
5天前
|
存储 机器学习/深度学习 人工智能
RAG:AI大模型联合向量数据库和 Llama-index,助力检索增强生成技术
RAG:AI大模型联合向量数据库和 Llama-index,助力检索增强生成技术
RAG:AI大模型联合向量数据库和 Llama-index,助力检索增强生成技术
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
对大模型和AI的认识与思考
2023年,笔者也参与了各种学习和实践,从大语言模型、多模态算法,文生图(Stable Diffusion)技术,到prompt工程实践和搭建文生图(Stable Diffusion)webui实操环境。在此对谈谈对大模型和AI的认识与思考,是为总结。5月更文挑战第3天
28 1
|
12天前
|
机器学习/深度学习 人工智能
超越Sora极限,120秒超长AI视频模型诞生!
【5月更文挑战第1天】 StreamingT2V技术突破AI视频生成界限,实现120秒超长连贯视频,超越Sora等传统模型。采用自回归方法,结合短期记忆的条件注意模块和长期记忆的外观保持模块,保证内容连贯性和动态性。在实际应用中,展示出优秀的动态性、连贯性和图像质量,但仍有优化空间,如处理复杂场景变化和连续性问题。[链接](https://arxiv.org/abs/2403.14773)
30 3
|
14天前
|
人工智能 前端开发 算法
参加完全球开发者大会之后,我一个小前端尝试使用了一些AI模型
参加完全球开发者大会之后,我一个小前端尝试使用了一些AI模型
|
16天前
|
人工智能 数据安全/隐私保护
Sora超逼真视频引恐慌!Nature刊文警示AI视频模型,或在2024年颠覆科学和社会
【4月更文挑战第27天】OpenAI公司的新型AI工具Sora能根据文字提示生成超逼真视频,引发关注。尽管已有类似产品,如Runway的Gen-2和谷歌的Lumiere,Sora以其高质量生成效果领先。该技术的进步可能导致2024年全球政治格局的颠覆,同时带来虚假信息的挑战。OpenAI已组建“红队”评估风险,但虚假视频识别仍是难题。尽管有水印解决方案,其有效性尚不确定。Sora在教育、医疗和科研等领域有潜力,但也对创意产业构成威胁。
27 2
|
16天前
|
人工智能 数据库 芯片
【报告介绍】中国AI大模型产业:发展现状与未来展望
【4月更文挑战第27天】中国AI大模型产业快速发展,受益于政策支持、技术创新及市场需求,已在电商等领域广泛应用,展现巨大潜力。但面临算力瓶颈、技术局限和数据不足等挑战。未来,AI大模型将向通用化与专用化发展,开源趋势将促进小型开发者参与,高性能芯片升级也将助力产业进步。[报告下载链接](http://download.people.com.cn/jiankang/nineteen17114578641.pdf)
32 2