人工智能推动抗疫的背后秘密是什么
发布时间：2022-07-07 15:51:28 所属栏目：大数据 来源：互联网
导读：随着人工智能技术的发展，在一些场景的应用也越来越成熟，人工智能正在逐步渗透进人们生活的各个角落，甚至在这次的抗击新冠疫情中也扮演了重要角色。 新技术的应用 对比2003年的非典，此次新冠疫情在症状上潜伏期更长，传染性更强，而且还碰上了流感爆发以
|
随着人工智能技术的发展，在一些场景的应用也越来越成熟，人工智能正在逐步渗透进人们生活的各个角落，甚至在这次的抗击新冠疫情中也扮演了重要角色。 新技术的应用 对比2003年的非典，此次新冠疫情在症状上潜伏期更长，传染性更强，而且还碰上了流感爆发以及春运流动的节点，因此病情人数不断上升，在防治上面临了更大的困难。 正因如此，在大规模传染之后，现有的医疗资源难以满足不断增长的病患用户。为了实现更好的管控防治效果，提高效率，不少企业纷纷应用诸多技术手段来抗击疫情。比如有些地方推出了智能机器人，通过语音识别、自然语义理解等技术，针对疫情问题、就医注意、防护措施进行回答。对于正常用户、轻症用户来说，人工智能可以起到一定的答疑作用，避免医疗资源紧缺以及交叉感染的风险。 其实，人工智能还被应用于疫苗研发，比如使用深度学习技术，可以协助科研人员进行数据分析、快速筛选文献以及相应的测试工作。此外，人工智能还可以应用于建立模型以观察疫情传播。早前，国内基于AI和大数据的流感实时预测模型便登上了《柳叶刀》的子刊，为传染病预测提供了更加精准的逻辑框架。 1、有监督学习 有监督学习被称为“有老师的学习”，所谓的老师就是标签。通过标注好的样本（即训练样本以及其对应的目标）训练得到一个最优模型，再利用这个模型对输入的数据进行判断给出结果，从而具备对未知数据进行预测的能力。 在建立预测模型的时候，监督式学习建立一个学习过程，将预测结果与“训练数据”的实际结果进行比较，不断的调整预测模型，直到模型的预测结果达到一个预期的准确率。这也比较符合我们的认知习惯，比如我们通过图片或实物学习什么是猫、什么是狗等。 2、无监督学习 无监督学习被称为“没有老师的学习”，相比有监督学习的不同之处在于，不使用事先标注的训练样本，没有训练的过程，而是直接拿无标注的数据进行建模分析，通过机器学习自行学习探索，从数据集中发现和总结模式或者结构。 典型的无监督学习算法包括：生成对抗网络（GAN）、前馈神经网络、逻辑学习机、自组织映射、Apriori算法、Eclat算法、DBSCAN算法、期望最大化、模糊聚类、k-means算法等。 这里以k-means算法为例来看看无监督学习背后的运行机制，这是一种用来计算数据聚类的算法。 人工智能助力抗疫的背后秘密是什么 例如，对上图中的A、B、C、D、E五个点聚类，主要方法是不断地设定并调整种子点的位置，计算离种子点最近的均值，最终根据距离聚成群。灰色的是开始时设定的种子点，首先，计算五个点与种子点之间直接的距离，然后，将种子点逐步移动到点群的中心。最终，A、B、C和D、E分别根据离种子点的距离聚类为点群。 这个方法看上去很简单，但是应用的范围非常广泛，包括给网页文本进行主题分类；分析一个公司的客户分类，对不同的客户使用不同的商业策略；电子商务中分析商品相似度，归类商品，从而得出不同的销售策略等。 曾有人做过一个有趣的分析，给亚洲15支足球队的2005年到2010年的战绩做了一个表，然后用k-Means把球队归类，得出了下面的结果，来，感觉一下是否靠谱？ 亚洲一流：日本、韩国、伊朗、沙特； 亚洲二流：乌兹别克斯坦、巴林、朝鲜； 亚洲三流：中国、伊拉克、卡塔尔、阿联酋、泰国、越南、阿曼、印尼。 3、半监督学习 半监督学习，处在有监督学习和无监督学习的中间带，其输入数据的一部分是有标签的，另一部分没有标签，而没标签数据的数量往往远大于有标签数据数量（这也是符合现实情况的）。常见的半监督学习类算法包含：生成模型、低密度分离、基于图形的方法、联合训练等。 荣光和局限 人工智能技术在这次疫情防控中的应用，离不开大量的算法工作。比如谷歌用AI技术帮助科学家研究病毒特征，亚马逊探索用疫苗等方式来治愈普通感冒等。 当然，人们也不需要把人工智能奉为神明，如果仔细研究一下上文列举的例子就会发现，人工智能擅长处理的是在有限、透明规则、特定任务下的问题，因而在以计算为主要特征的领域取得了不错的效果，但是对于其他问题，比如自然语言理解、图像理解等仍然面临较多的挑战。 （编辑：PHP编程网 - 黄冈站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
浙公网安备 33038102330482号