持续情报和人工智能能否预测传染病的传播

世界各地的科学家都在寻求复杂的分析方法来预测冠状病毒和其他传染性疾病的传播。

企业通常使用连续智能(CI)和人工智能(AI)来建模动态系统，做出预测，自动化决策并在时间表内采取行动以取得成功。就像企业转向CI和AI做出预测并采取明智的行动一样，世界卫生组织和政府卫生机构也在寻求使用相同的技术来更好地了解冠状病毒和其他传染性疾病并为其建模。

在当前的疫情中，人们正在使用各种分析方法来研究社交媒体流以及世界卫生组织的报告和数据库。有些人正在使用机器学习来搜索医学出版物，医疗保健网站和许多其他资源，以寻找与疾病症状，报告的感染，感染率和其他因素有关的信息。

结果好坏参半。预测增长速度以及下一步疾病的发生是非常复杂的挑战。过去的努力不足。但是，研究人员意识到过去限制成功的缺点。希望这种认识将来会导致更好的模型和更准确的预测。

建立在过去

2008年，Google流感趋势试图通过汇总有关流感症状的Google搜索查询来估算25个以上国家的流感活动。不幸的是，它常常高估了流感的活动。Google关闭了该服务，但该服务背后的技术目前已被一些全球卫生组织使用。

缺点不仅限于对传染性疾病的预测。在科学领域预测结果的其他努力也有类似的结果。

以炸弹旋风为例，这是一种罕见的冬季风暴，在很短的时间内爆发(因此得名)，成为大风暴。多年来，预测模型一直无法预测它们。结果往往是残酷的。暴风雪造成了大雪，飓风(在某些情况下)，人们实际上几乎没有预警。

人们被困在没有食物或照明的情况下。他们没有时间提前储备电池，水或其他用品。城市，城镇和公用事业没有手头的人员或没有资源清理街道，砍伐树木或恢复电力。