Sektör liderleri, meslektaşları tarafından reddedilme ve dergiler tarafından reddedilme durumuyla da karşılaşabilir.
Yazar | Rachel
Editör | Jia Wei
Nüfusta virüslerin yayılmasına yönelik akıllı tahmin modellerinin oluşturulması ve doğrulanması mevcut çalışmanın odak noktasıdır.
Ancak, 27 Şubat 2020 tarihinde Guangzhou Belediye Hükümeti Bilgi Ofisi tarafından düzenlenen salgın önleme ve kontrol hakkında özel bir haber brifinginde, Akademisyen Zhong Nanshan salgının tahmininden bahsederken şunları söyledi:
Salgın başladığında, bazı yabancı epidemiyologlar, Çin'de COVID-19 ile enfekte olan kişi sayısının Şubat ayı başlarında 160.000'e ulaşacağını tahmin etmek için yetkili test modellerini kullandılar. Bu, ülkenin güçlü müdahalesini veya Bahar Şenliği'nden sonra işe devam etmekteki gecikmeyi hesaba katmadı. Ayrıca bir tahmin modeli de yaptık. Salgın zirvesine, yetkili yabancı dergilere gönderilen yaklaşık 60.000 ila 70.000 doğrulanmış vaka ile Şubat ortasında veya Şubat sonunda ulaşıldı. Döndüm ve yukarıdaki tahmin seviyesinden çok fazla fark olduğunu hissettim. Biri bana WeChat'i "Sözleriniz birkaç gün içinde ezilecek" diyerek gönderdi. Ama aslında tahminimiz otoriteye daha yakın.
1. Batı gururu ve önyargısı?
Akademisyen Zhong Nanshan'ın sözleri netizenler arasında hararetli tartışmalara neden oldu.
Bir yandan, birçok netizen, yetkili dergilerin hakemleri de dahil olmak üzere birçok Batılı bilim adamının önceden belirlenmiş pozisyonlara sahip olduğuna inanıyor, bu nedenle gönderilerin reddedilmesi kötü niyetli bir spekülasyon olarak kabul edilebilir.
Öte yandan, netizenler sosyal arka plan, kültür, sistemler vb. Farklılıklar nedeniyle sözde "önyargı" nın anlaşılabilir olduğuna inanıyorlar. Akademisyen Zhong Nanshan'ın dediği gibi, yabancı ülkeler Çinin ulusal koşullarını anlamıyorlar ve Bahar Şenliğinden sonra güçlü ulusal müdahalenin ve işe yeniden başlamanın gecikmesinin olumlu etkilerini hesaba katmadılar.
Kaynak: Sina Weibo
AI Bilim ve Teknoloji İncelemesi, Akademisyen Zhong Nanshan'ın geri dönen hastalık tahmin modelini ayrıntılı olarak tanıtmamasına rağmen, "çılgın beyefendi" adlı bilgisayar yazılımı geçmişine sahip bir kişinin, Akademisyen Zhong Nanshan'ın modelinin "SIQS enfeksiyonunun doymuş insidansı" olarak adlandırıldığına inandığını belirtti. Hastalık modeli ". Açıklamasına göre, herhangi bir bulaşıcı hastalığın doymuş bir insidansı vardır, yani tamamen ortadan kaldırılamaz.
Netizen, SIQS'nin aslında SEIR temelinde müdahale yöntemlerini eklediğini belirtti (örneğin, bu, erken tespit ve erken izolasyon yoluyla ülkenin güçlü müdahalesini ifade ediyor). Sözde SEIR sadece yaygın bir bulaşıcı hastalık modelidir ve SARS'ın bulaşma dinamikleri üzerine yapılan önceki çalışmaların çoğu da SEIR modelini benimsemiştir.
Kaynak: Baidu Encyclopedia
Aslında bu ifade, Akademisyen Zhong Nanshan'ın o günkü toplantıda yaptığı açıklamaya benzer:
Geleneksel model temelinde iki etkileyici faktör ekledik: Birincisi güçlü devlet müdahalesi, ikincisi ise Bahar Şenliği'nden sonraki zirve dönüş yolculuğu.
2. SARS verilerine dayalı eğitim için AI'yı kullanın
Ek olarak, AI Bilim ve Teknoloji İncelemesi, 28 Şubat 2020'de Akademisyen Zhong Nanshan ve diğerlerinin JTD tıp dergisinde "COVID-19 Trendlerinde Değiştirilmiş SEIR ve AI Tahmini" başlıklı bir makale yayınladığını öğrendi. Halk sağlığı müdahaleleri altında Çin'de COVID-19 salgın eğiliminin tahmini).
Makaleye göre, araştırma ekibi salgın eğrisini elde etmek için 23 Ocak 2020 civarında nüfus göç verilerini ve yeni koroner pnömoninin en son epidemiyolojik verilerini SEIR modeline entegre etti. Ekibin, yeni taç salgınını daha iyi tahmin etmek için 2003 SARS verilerine dayanarak eğitim almak için AI kullandığını da belirtmek gerekir.
Spesifik olarak, araştırmacılar dinamik duyarlılığı ve maruz kalan popülasyonun durumunu açıklamak için içeri kaydırma parametresi In (t) ve dışarı kaydırma parametresi Out (t) ekleyerek orijinal SEIR denklemini değiştirdiler. Değiştirilen model aşağıda gösterilmiştir.
Araştırma ekibinin, zaman içindeki yeni enfeksiyonların sayısını tahmin etmek için çeşitli zaman serisi problemlerini işlemek ve tahmin etmek için kullanılan tekrarlayan bir sinir ağı (RNN) olan LSTM (Uzun Kısa Süreli Bellek) modelini kullandığını belirtmek gerekir.
Araştırma ekibi, temel eğitim veri seti için Nisan'dan Haziran 2003'e kadar SARS vaka istatistiklerini kullandı ve enfeksiyon olasılığı b, enfeksiyon katsayısı (oran) , gecikme oranı , geri çekilme oranı gibi COVID-19 epidemiyolojik parametreleri dahil etti. Bekle.
Ek olarak, nispeten küçük veri kümesi nedeniyle, ekip aşırı uyumu önlemek için daha basit bir ağ yapısı geliştirdi ve modeli optimize etmek ve 500 kez yinelemek için Adam optimizer'ı kullandı.
Araştırma ekibi, yukarıdaki yönteme dayanarak, salgının Şubat sonunda zirveye ulaşacağını ve temelde Nisan sonunda kontrol edileceğini tahmin ediyor. Aynı zamanda devletin uyguladığı müdahale önlemlerinin 5 gün ertelenmesi halinde Çin anakarasındaki salgının ölçeği üç kat artacak; Hubei karantina istasyonu iptal edilirse, Hubei Eyaletindeki salgının ikinci zirvesi Mart ayı ortalarında gerçekleşecek ve salgın Nisan ayına kadar devam edebilir. Son on günün sonunda - bu sonuçlar makine öğrenimi tahminleriyle doğrulandı.
AI Bilim ve Teknoloji İncelemesine göre, tahmin modellerimizin yabancı yetkili dergiler tarafından reddedilmesine karşı daha açık bir tutum almalıyız Sonuçta, yerli ve yabancı tahmin modellerinin doğruluğu hala belirsiz. Dahası, bilimsel araştırma sürecinde dergiler tarafından yapılan retler nadir değildir, mevcut salgında bilim çalışanlarının ülkesi ve konumu en büyük endişemiz olmamalıdır.
Referans malzemeleri:
https://www.zhihu.com/question/375257984