隨著世界各地COVID-19流行病的蔓延不減，被迫避難的人們有著共同的愿望，即社會隔離在多大程度上減慢了疾病的傳播速度。這是可以理解的-政府強行關閉企業(yè)造成的附帶損害有可能破壞整個行業(yè)。根據(jù)美國勞工統(tǒng)計局的數(shù)據(jù)，截至本周，已有2600萬美國人申請失業(yè)救濟，國際貨幣基金組織(International Monetary Fund)預測，全球金融危機將與大蕭條相提并論。

幸運的是，德克薩斯大學，西南研究所和德克薩斯大學健康科學中心的研究人員發(fā)表的預印本研究強烈暗示，隔離和物理疏遠已達到預期的效果。使用被稱為SIRNet和幾種流行病學模型的混合AI系統(tǒng)，這些模型在智能手機位置數(shù)據(jù)以及人口加權密度以及初創(chuàng)公司Safe Graph，世界衛(wèi)生組織，美國疾病控制和預防中心以及其他地方的其他數(shù)據(jù)點上進行了訓練，合著者聲稱他們設法準確預測了各種社會疏遠政策的結果。

人們可以在德克薩斯大學COVID-19建模協(xié)會發(fā)布的網(wǎng)站上查看其國家的預測。

研究人員的系統(tǒng)從成千上萬部智能手機中獲取的國家，州和國家級位置數(shù)據(jù)被用于預測接觸率，人口密度的函數(shù)以及一個地區(qū)中人們之間的移動和互動。這是針對COVID-19病例計數(shù)數(shù)據(jù)繪制的，特別是一個時間序列集，它捕獲了不同地理粒度級別的活動，已恢復和致命的COVID-19病例，研究人員應用了10天的滯后時間來解釋傳染與獲得陽性檢測確認之間的延遲。

研究人員報告說，基于未來三周(系統(tǒng)的最大值)的預計預測，僅“檢疫級流動性”的持續(xù)進行將導致低COVID-19病例數(shù)。如果將限制減少約50%，該系統(tǒng)預計某些社區(qū)將達到穩(wěn)定高峰的邊緣，死亡曲線將保持在低峰或迅速急劇上升。而且，如果有75%的人口能夠像往常一樣自由移動，那么該系統(tǒng)會預測結果將是在100%流動時(僅在韓國除外)略微延遲的峰值，大約是最大峰值的2/3。

在得克薩斯州的比克薩爾縣，截至4月11日，流動性約為正常水平的50%，放松的社會隔離措施可能導致死亡和住院治療“失控增長”。系統(tǒng)顯示。相比之下，在華盛頓的金縣，行動不便的地方仍然受到嚴格限制，該系統(tǒng)預測，繼續(xù)采取這些措施將使新的死亡人數(shù)到6月降低到接近零。

該系統(tǒng)與MIT模型相吻合，該模型在4月初的預印本文件中進行了詳細介紹，該模型發(fā)現(xiàn)，在韓國等受到政府直接干預的地區(qū)，病毒傳播的速度更快達到了平穩(wěn)狀態(tài)。在每個地區(qū)都記錄了第500例病例之后，對從武漢(中國)，意大利，韓國和美國收集的數(shù)據(jù)進行了訓練，學會了預測感染傳播的模式，并在隔離措施與病毒減少之間建立了關聯(lián)。有效復制數(shù)。

一種單獨的模型-由微軟，印度技術學院和TCS Research(塔塔咨詢服務的研發(fā)部門)的研究人員于今年早些時候發(fā)布的模型-根據(jù)疾病參數(shù)(例如傳染性，妊娠期，持續(xù)時間)自動學習策略。癥狀，死亡概率，人口密度和運動傾向。在持續(xù)了52周(364天)的模擬過程中，進行了75次模擬，結果表明，鎖定5%至10%社區(qū)的政府的COVID-19感染高峰較低。

在其他地方，一個國際研究人員團隊使用百度提供的人類流動性數(shù)據(jù)來闡明COVID-19傳播在中國城市中的作用。他們發(fā)現(xiàn)，在實施控制和圍堵措施后，COVID-19病例的地理分布與流動性之間的相關性下降，并且大多數(shù)地區(qū)的增長率都為負，這表明這些措施減輕了COVID-19的傳播。

像那些由疾病警報，Metabiota，并開發(fā)-鼓勵的預測可能是，但要記住，即使是最好的算法是非常重要的藍點，這是最早準確識別COVID-19的傳播-只能學習模式從歷史數(shù)據(jù)。正如布魯金斯學會(Brookings Institution)在最近的一份報告中指出的那樣，盡管某些流行病學模型采用了AI，但流行病學家在很大程度上采用了包含主題專業(yè)知識的統(tǒng)計模型。

布魯金斯報告的作者寫道：“僅憑準確性就不足以評估預測的質量。”“如果管理不當，AI算法將花費大量精力尋找與試圖預測的結果相關的數(shù)據(jù)模式。但是，這些模式可能完全是荒謬的，只在開發(fā)過程中起作用。”

盡管如此，這些模型仍然提供了支持隔離和疏遠政策的大量證據(jù)，即使這些政策遭到示威者的抨擊也是如此。