当期荐读 2020年第6期 | 人工智能技术在新冠病毒疫情防控中的应用与思考
图源：每日经济新闻
赵杨1,2 曹文航1
(1. 武汉大学信息管理学院,武汉,430072;
(2. 武汉大学电子商务研究与发展中心,武汉,430072)
摘 要
人工智能作为新一轮科技革命和产业变革的重要驱动力,在新型冠状病毒肺炎疫情防控中发挥了重要作用。为深入探究人工智能技术助力疫情防控的应用成效,明确存在的问题与挑战,进而推动人工智能在突发公共卫生事件应急管理中的深入应用,在广泛调研的基础上,通过对近200个具体案例的梳理、分析,阐述了人工智能在疫情防控、疾病诊疗、社会治理、复工复产四大关键场景下的应用领域、主要功能、核心技术和应用程度,在此基础上揭示了其在数据规模与质量、算法创新、场景深化等方面存在的主要弊端,由此从数据、技术、场景三个维度提出了具体对策建议,以期通过建立与人工智能技术相适配的疫情大数据平台,形成以人工智能为核心的疫情防控“硬核”技术支撑,深化和丰富“智能+”背景下的疫情防控场景应用,进一步提升人工智能技术在此类重大突发公共卫生事件应急管理中的赋能效用。
关键词
人工智能 疫情防控 疾病诊疗 社会治理 复工复产 应用场景
在新型冠状病毒肺炎疫情防控中,习近平总书记强调,“要鼓励运用大数据、人工智能、云计算等数字技术,在疫情监测分析、病毒溯源、防控救治、资源调配等方面更好地发挥支撑作用。”[1]面对严峻复杂的疫情形势与艰巨的防控任务,作为新一轮科技革命核心驱动力的人工智能技术,加速与医疗、交通、教育、生活、服务等领域的深度融合,在疫情防控、民生保障、复工复产各环节发挥出积极效用,使疫情防控工作的决策部署与落地实施更加科学精准,成为科技抗“疫”的中坚力量[2]。但与此同时,受到数据支撑、算法创新、技术融合等因素的影响,人工智能在一些复杂、特殊场景下的应用局限也随之凸显,阻碍了技术潜力的进一步发挥。如何针对人工智能在疫情防控中的应用效果,深入思考存在的关键问题,进而提出切实可行的对策建议,是推动人工智能在重大突发公共卫生事件应急管理中深化应用的重要基础。
本研究针对大数据与智能化环境下的疫情防控技术演进,在广泛调研的基础上,对近200个人工智能典型应用案例进行了梳理、分析,探讨了人工智能在此次新冠肺炎疫情防控中存在的机遇与挑战,并针对其应用成效提出可行性方案,旨在进一步发挥人工智能技术在疫情防控常态化阶段的赋能效用,为构建国家“新基建”战略下的突发公共卫生事件应急管理体系提供有价值的理论依据与实践对策。
1
传统疫情防控手段面临的挑战
新型冠状病毒肺炎疫情的爆发,已成为全球性的重大突发公共卫生事件,对现代社会治理体系和治理能力都提出了巨大的挑战[3]。在疫情爆发初期,我国主要采用传统防控手段,依靠大量人力资源开展疾病监测、感染源排查、医疗救治、物资配置等工作。随着疫情形势日益严峻和复杂,传统防控手段暴露出诸多弊端,集中体现在以下几个方面:
一是在疫情精准防控需求下,传统人工防控机制存在疫情传播预警不及时、实时动态不透明、研判结果不精确、感染轨迹追踪效率低等风险,难以应对此次疫情的突发性、未知性和复杂性。特别是在疫情爆发初期的春运高峰期,大规模的人口流动和社交聚集给疫情排查、监测和防控带来了前所未有的挑战。如何做到迅速响应、实时预警、快速排查、准确溯源、及时防御,已成为疫情防控的当务之急。显然,仅仅依靠传统人工力量难以完成这一艰巨任务,亟需数字化与智能化技术的有力支撑。
二是在疾病诊疗场景下,传统防控手段在院前筛查、临床诊治、药物研发等方面均面临重大考验。一方面,人工检测手段效率较低,且需近距离接触疑似病例,容易造成就诊秩序混乱,引发患者恐慌情绪,且在院前筛查阶段存在极高的交叉感染风险;另一方面,面对这一新型病毒,医疗机构在确诊、治疗、防御中均缺乏可参考的病例样本,需要通过对大规模病例特征数据的提取、建模、分析,并依托机器学习算法,快速形成有效的诊疗方案,进行推广应用。
三是在社会治理过程中,医疗物资配置、民生保障、舆情监测等环节也对疫情防控起着至关重要的作用,但单纯依靠传统人力或基础信息技术难以有效实现医疗物资的合理配置与安全溯源,也无法有序开展小区安防、居家管理、重点人群监控等工作;同时,面对开放网络环境下由疫情引发的舆情“风暴”,也难以实现舆情精准研判、实时监测和科学引导,给疫情防控的保障工作增加了很大难度。因此,如何有效利用智能技术和先进设备提高现代化社会治理能力,也是疫情防控中关注的焦点。
针对传统防疫手段在此次新冠肺炎疫情防控中存在的弊端,我国政府积极面向疫情防控的数字化、智能化、精准化需求,提出了一系列政策举措,加快了人工智能等新一代信息技术在疫情防控中的普及应用。工信部科技司先后发布了《充分发挥人工智能赋能效用协力抗击新型冠状病毒感染的肺炎疫情倡议书》《关于运用新一代信息技术支撑服务疫情防控和复工复产工作的通知》等文件[4-5],倡议利用人工智能技术补齐疫情管控技术短板,快速推动产业生产与应用服务,充分发挥人工智能在辅助诊断、快速测试、疫苗/药物研发、远程办公、在线教育和智能生产等关键场景中的赋能效用。在国家政策引导下,人工智能企业和应用单位、上下游企业联合攻关,不断加快人工智能产品研发与科研成果转化,推动智能化技术在各行业领域的深度渗透,并充分利用大数据资源让人工智能发挥最大成效,有力提高了疫情防控的科学性与精准性。但与此同时,随着疫情防控场景的不断延伸以及防控工作进入常态化阶段,人工智能技术在实际应用中仍面临着诸多挑战,需要根据应用现状不断进行优化与完善,从而推动疫情防控体系建设的数字化与智能化转型。
2
人工智能在疫情防控中的典型应用
随着科技抗“疫”工作的全面开展,人工智能技术充分展现“硬核科技”实力,在多元化疫情防控场景中发挥出了关键作用。本文于2020年3月至4月期间,通过对人工智能、大数据等领域的领军企业进行电话访谈、问卷调查,同时结合对政府网站、企业门户网站、行业数据库、社交媒体权威公众号上相关新闻报道、调查报告的梳理汇总,搜集、分析了近200个人工智能具体应用案例,并按疫情防控场景进行了分类,如图1所示。
图1 人工智能在新冠肺炎疫情防控中的应用汇总
2.1
场景层面
在此次疫情中,人工智能技术主要集中应用于精准防控、疾病诊疗、社会治理和复工复产四大场景。其中,精准防控涵盖了疫情监测预警、疫情地图、疫情研判和感染轨迹追踪等应用领域;疾病诊疗主要包括院前筛查、临床诊治、药物研发等应用领域;社会治理则包括公共安全、居家管理、民生保障、舆情监测等应用领域;复工复产涵盖了企业服务、健康管理和远程办公等应用领域。以上场景中,人工智能技术在精准防控中的应用最为广泛,涌现出大量疫情监控云平台、疫情地图,并通过确诊人员轨迹分析、密切接触人员轨迹跟踪以及交通、迁徙大数据整体联动,实现了疫情可追溯、可预测和可量化。如中国移动推出的“疫情专项分析服务”,通过大数据技术,针对重要交通枢纽等人群密集场所,提供区域人流热力分布动态展示、流动人口统计与来源分析、涉疫人群流动监测等服务,可以有效锁定输入型感染者的活动范围和散落在各地的隐形传染源,进而实现对高危人群、潜在高危人群、潜在风险人群的全过程轨迹跟踪,为相关部门实现疫情精准防控提供了重要帮助。
2.2
功能层面
为了满足不同场景下细分领域的实际需求,各大互联网企业、人工智能研发机构纷纷推出不同功能组合的AI应用产品,如大数据地图、智能红外监测系统、智能机器人、无人车等,为疫情防控工作的有效开展提供了重要支撑。其中,在疾病诊疗方面,联影智能科技有限公司研发的“AI+CT”新冠肺炎智能辅助分析系统,运用深度学习算法实现对肺部CT影像的分割并自动生成诊断报告,极大地提高了临床诊断效率,有效缓解了医疗资源短缺的问题[6]。在社会治理方面,百度研发的“AI测温系统”可在公共场所视频监控图像中识别出体温异常对象,从而对人流密集地区进行实时筛查和监控[7]。在复工复产方面,腾讯和阿里分别基于微信与支付宝平台推出“健康码”服务,作为疫情期间个人出行的健康电子凭证,保障了社区管理及交通出行管理工作的顺利开展,并通过一体化平台建设,解决了由于多头采集居民健康信息带来的数据标准不一致和跨地区不可用等问题[3]。
2.3
技术层面
人工智能核心技术主要包括知识图谱、机器学习、计算机视觉、自然语言处理、生物识别、虚拟现实、机器人等。针对不同场景需求,需要发挥不同技术的关键作用。例如,用于疫情研判的人工智能产品主要基于深度学习、图像识别、知识图谱技术实现疫情态势呈现、可疑事件预警等功能[8];用于院前筛查的人工智能产品主要基于红外热成像、计算机视觉、增强现实等技术实现体温检测采集、面部识别、疫情视频回溯、仿真模拟等功能[9];用于药物研发的人工智能产品则基于深度学习算法实现病毒基因特征提取、病毒蛋白结构预测和辅助药物筛选等功能[10]。为了加快技术攻关,阿里、腾讯、百度等互联网领军企业,纷纷开放自身技术资源助力抗“疫”产品研发和科学研究。百度研究院向各大科研机构免费开放了线性时间算法LinearFold,以及目前世界上最快的RNA结构预测网站,显著提升了新型冠状病毒RNA空间结构的预测速度。一些人工智能新锐企业则依托自主研发技术,开发了疫情防控亟需的应用产品并投入市场,取得了良好成效。如依图医疗公司自主研发的“新冠肺炎CT影像智能诊断系统”,通过从CT数字影像中提取定量参数,能够在5s内完成数百张医疗影像的初步诊断,并自动进行量化评估,成为临床医生的得力助手[3]。
2.4
应用程度
总体而言,人工智能技术在监测预警、疫情地图、感染轨迹追踪、院前筛查、健康管理等典型场景下的应用程度普遍较高,覆盖了全国大部分地区的医疗机构、公共场所和生活社区,为疫情防控工作的精准化、智能化、科学化开展奠定了重要基础。在疫情爆发初期,涌现的大部分人工智能应用多为信息采集和可视化产品,如各类自填报系统和疫情地图等。随着平台建设日趋完善和数据逐步积累,疾病诊断类应用和预测类应用逐渐增加。根据工信部调查数据显示,截至2020年3月10日,描述类和诊断类应用的占比达到了75%,数据粒度和分析粒度更加细致,区县级甚至社区级应用开始出现[3]。如百分点信息科技公司的“一区一码”系统,在居民进出小区时通过系统自动分析辅助人工管理,已在近万个小区投入使用。预测类应用(如潜在传染源和传染路径预测、传染人数趋势预测等)的占比则达到35%,并被广泛用于政府决策参考[11]。如第四范式公司基于高维机器学习技术建立的市区县级数字孪生系统,结合交通管制、复工时间、药物投放等多方因素,对关键决策的实施效果进行仿真预判,为疫情防控政策的制定提供了重要依据。前期各类采集、描述、诊断、预测类应用的普及也为后续复工复产工作的有序推进奠定了坚实的基础[12]。
3
人工智能应用中存在的关键问题
从应用现状来看,尽管人工智能技术在此次新冠肺炎疫情防控中发挥了关键作用,但受制于数据质量、算法创新和场景深化等因素的影响,人工智能的推广普及仍面临诸多问题与挑战,主要体现在以下几个方面。
3.1 疫情数据来源有限,数据质量难以满足人工智能应用要求
大数据是人工智能技术在疫情防控中规模化、成熟化应用的重要基础。目前,我国人工智能行业正逐渐从“数据量爆发+算力升级”的阶段进入“数据融合+技术革新”的阶段,特别是以深度学习为核心的新一代人工智能技术在各行业领域的深化应用,对数据规模和数据质量均提出了更高要求。尽管在此次疫情中,医疗健康、人口统计、交通出行、移动通信、社交媒体等不同领域大数据的协同应用,为疫情防控的决策部署、产品研发、科学研究提供了重要支撑,但在数据开放共享、互联互通、采集时效、维度结构、标准规范等方面仍存在诸多弊端。例如,在此次疫情中,AI技术在行人检测、人脸识别等数据积累丰富的场景中能快速落地应用,但在病毒传播途径检测、病源追溯等数据样本匮乏的场景中还未发挥出应有的效用。大部分人工智能产品采用的疫情防控数据主要来源于政府公开数据,但这些数据的维度不够丰富,且政务平台与互联网平台、企业平台之间缺乏有效的数据共享,“数据孤岛”现象严重,因而难以充分满足公众对防控动态、自我防护知识、复工政策、生活保障等信息的多元化需求。此外,一些政府部门和基层组织在采集疫情相关数据时,仍采用手工填表、电话问询等“人海战术”,既增加了基层工作负担,又无法保证数据的真实性。从AI数据分析结果来看,目前公开渠道获取的数据口径、统计时间等均不统一,数据缺失、重复的情况十分普遍,且整体质量不高,难以实现人工智能基于大规模、高质量数据进行精准分析的目标。同时,个人隐私数据泄露的情况时有发生,给数据治理工作也带来了极大的挑战。
3.2 算法创新存在瓶颈,“新基建”技术融合效应尚未显现
数据、算力、算法是人工智能发展的三要素。数据的爆炸式增长为人工智能提供了“肥沃”的土壤,算力的提升成为促进人工智能整体发展的重要“催化剂”,而算法的演进则是推动人工智能普及应用和技术升级的关键所在[13]。从决策树到神经网络,从机器学习到深度学习,人工智能算法一直在不断地发展和演进。但面对复杂多变的疫情形势和不断衍生的场景需求,我国在人工智能算法创新上的短板也日渐显现。当前,我国人工智能产业发展过度依赖开源代码和现有的数学模型,在原始核心模型、代码和框架上的创新极为有限。而开源代码的专业性和针对性均不强,往往难以满足具体场景下的实际任务要求[14]。以图像识别为例,基于开源代码开发的AI应用虽然可以准确识别人脸,但在医学影像识别上却难以达到临床要求,使得AI产品无法在细分领域发挥更大效用。此外,虽然人工智能技术在此次疫情中释放出巨大的科技能量,但作为新一代信息技术的核心,与云计算、物联网、区块链、5G等“新基建”技术的融合应用还有待深化。面对此次疫情衍生的广泛需求,迫切需要通过前沿技术融合激发经济社会发展的内生动力,为新业态、新制造、新服务开辟广阔空间。
3.3 人工智能应用场景有限,疫情防控赋能效用有待提升
在此次战“疫”中,人工智能技术的应用成效得到了充分检验,催生了各类“智能+”场景应用,推动了医疗健康、民生保障、在线教育、物流配送、社会安全等关键领域的数字化、智能化转型,为打赢疫情防控阻击战提供了坚实的支撑。但从应用范畴和应用程度上而言,目前大多数人工智能产品仍停留在疫情地图、轨迹追踪、院前筛查、医疗影像、健康管理等有限领域和较浅层面,缺乏对动态预警、无典型症状感染者诊断、电子病历语音转录、辅助手术机器人等关键、疑难领域的有效解决方案。同时,在疫情研判、药物研发、舆情监测、慈善公益监督等方面的精准性和时效性也亟待提升。随着复工复产工作的快速推进,人工智能技术的应用重点正逐步转向协同办公、智能制造、智慧服务等领域,由此对技术应用提出了新的需求。
4
人工智能助力科技抗“疫”的对策建议
针对人工智能在新冠肺炎疫情防控应用中存在的实际问题,本文从数据、技术、场景三个维度提出具体的对策建议。
4.1 建立与人工智能技术相适配的疫情大数据平台
为了满足人工智能技术对数据资源的需求,充分发挥最大应用成效,需要从数据规模和数据质量层面同时着手,构建与人工智能相适配的疫情大数据平台,为科学应对此类突发公共卫生事件提供必要支撑。
(1)数据规模层面,应以国家已建成的各类政务大数据平台为基础,打破数据壁垒,实现疫情防控所需的医疗数据(诊治情况、医疗资源、研究进展等数据)、交通数据(道路监控、交通出行等数据)、公安数据(人口信息、执法监督等数据)和社区管理数据(用户填报信息、志愿者信息等数据)的多源融合;同时,采用开放合作模式,打通政务数据与互联网用户行为数据、运营商数据的整合渠道,为基于人工智能的临床诊断、药物研发、疫情研判、交通管制、资源调配、舆情传播等模型算法的构建与应用提供维度完整的海量数据集合,全面呈现疫情防控态势,提高决策部署的科学性与精准性。
(2)数据质量层面,首先,应在存量数据基础上,以尊重个人隐私为前提,建立面向多源异构数据的自动采集机制,实现基于移动终端设备、可穿戴智能设备的生物特征数据、行为轨迹数据、健康监测数据的自动采集,并与政务平台或组织机构的可信数据源进行交叉验证,由此提升疫情防控数据流转的及时性和准确性;其次,由于疫情数据具有多模态、异构性等特征,一般还需进行分类、清洗、集成、规约、脱敏等预处理操作,提高数据的可用性,而对分析结果精准度要求高的关键数据,还需利用领域专业知识和人类工程进行标注,将原始数据转换为适用于机器学习、深度学习算法训练的合适表征,建立领域知识库、训练资源库、评估样本库,满足人工智能的应用需求[15];其三,在保证数据规模和质量的同时,还应尽快建立突发公共卫生事件应急状态下的数据管理、数据调度、数据使用、数据安全机制,提高数据治理能力,充分发挥数据资源的最大效用。
4.2 形成以人工智能为核心的疫情防控“硬核”技术支撑
面对算法瓶颈,我国科研机构和人工智能企业应积极致力于底层基础算法和应用算法创新,推动人工智能关键共性技术研发,并以国家“新基建”战略为引导,促进以人工智能为核心的新一代信息技术的融合应用。
(1)加快以算法为核心的人工智能关键共性技术研发。围绕原始核心模型、算法和框架创新,对卷积神经网络、循环神经网络等深度学习基础框架开展优化研究,并积极探索深度强化学习、迁移学习、元学习、生成对抗网络等方法在无标注数据集、小样本数据、半结构与非结构化数据分析中的应用,提高机器从海量复杂疫情数据中自主探寻规则、模式、趋势、关联关系等隐性知识的认知能力,实现从数学建模到算法设计再到模拟训练的协同优化;同时,针对人工智能算法“黑箱”在分析结果可解释性上的缺陷,对疫苗制造、药物研发等高度严谨的科学研究进行模型构建理论攻关[16]。在此基础上,以提升疫情防控中的感知识别、知识计算、认知推理、任务执行、人机交互能力为重点,对知识计算引擎与知识服务技术、跨媒体分析推理技术、群体智能关键技术、混合增强智能技术、自主无人系统智能技术等新一代人工智能关键共性技术进行研发攻关,形成开放兼容、稳定成熟的技术体系。
(2)促进新一代信息技术的融合应用。针对疫情防控的多元化需求,应进一步发挥“新基建”的协同效应:①通过云计算与人工智能结合,构建一站式智能云平台,形成从底层计算资源到机器学习赋能平台再到智能化应用服务的完整体系,为数据特征提取、算法训练、图像识别、知识图谱构建提供超算能力,在病毒基因组测序、检测试剂研究、药物筛选、疫苗研制、突变预测等“生死时速”较量中赢得宝贵时间;②通过物联网与人工智能结合,建立智联网生态体系,实现包含人、机、物在内的智能实体语义层面的互联互通,满足居民健康状况实时监控、医疗物资调度追踪、隔离人员精准管控、智能生产和智慧社区服务等关键需求,为大规模社会化协作和智能服务提供有力支撑;③通过区块链与人工智能结合,重塑信任机制,实现疫情信息的公开透明与不同级别医疗机构间的数据安全使用,在此基础上建立国家级和省、市级区块链自动化数据同步网络,提高突发传染疾病应急响应能力,并在慈善公益监督、医疗用品溯源、网络舆情研判等方面发挥重要作用;④通过5G与人工智能结合,为疫情防控构筑数字基础设施,加快高清视频、虚拟现实、无人驾驶、机器人四大核心基础应用的验证与示范,保障疫情期间的高清云直播、远程诊断和高危场景下的无人作业等工作的顺利开展。
4.3 深化和丰富“智能+”背景下的疫情防控场景应用
在“智能+”背景下,实现从疫情前的动态预警到疫情中的疾病诊疗和社会治理再到疫情后的复工复产全场景覆盖,是进一步提升人工智能应对突发公共卫生事件能力的重要途径。
(1)“智能+疫情预警”。疫情预警是有效开展疫情防控工作的重要前提。在我国已有疫情监测系统基础上,应进一步融合跨平台、多维度的政府数据、城市数据和社会数据,通过人工智能算法优化与创新,实现对传染疾病来源、传播途径、演化趋势的全方位立体监测与智能分析,及时发布预警信息。同时,为了避免由于信息传递不畅与专业介入无效导致的预警机制失灵,还应利用区块链智能合约建立基于规则模型的联动预警机制,将国家疫情预警功能下沉到各省、市、区级防疫链中,形成国家和基层双层预警网络,提高预警信息双向沟通能力,做到精准预判与及时发布,为传染疾病早发现、早隔离、早治疗提供重要决策依据。
(2)“智能+疾病诊疗”。疾病诊疗是疫情防控中最为关键的环节之一。针对此次疫情中存在的医学难点和遗留问题,人工智能可在以下场景中进行重点突破:一是无典型症状感染者的诊断,可通过深度学习、强化学习、计算机视觉、生物特征提取技术,优化人工智能医疗影像辅助诊断和病理分析方法,提高诊断效率和精度;二是诊疗信息的自动化转录,可利用下一代语音识别和信息抽取模型,开发临床智能语音助手,通过机器学习语言翻译模型,将医生与患者间的对话自动转换为文本记录,并快速建立电子病历档案;三是机器人辅助手术的实现,可通过计算机视觉模型与强化学习方法,提高机器人观察手术环境、学习外科医生动作的能力,增强辅助手术的稳健性和适应性;四是治疗药物的快速研发,可通过智能算法模型优化与算力升级,加速化合物筛选、新药合成路线设计、药物有效性及安全性预测、药物理化性质预测、药物分子设计等关键环节的智能分析与研发进程;五是全生命周期电子健康档案的构建,可综合应用人工智能、云计算、物联网等技术,实现医疗健康数据的动态采集与建模,绘制个人健康全景画像,由此建立个人全生命周期电子健康档案,为疾病预防、个性化用药、保险支付等提供精准支持[17]。
(3)“智能+社会治理”。习近平总书记强调,这次疫情是对我国治理体系和能力的一次大考,我们一定要总结经验、吸取教训。社会治理是做好疫情防控工作的重要保障,依托人工智能技术面向复杂场景开展现代化治理,是推进社会治理模式创新与智慧城市建设的重要举措,对维护抗“疫”期间的公共安全、民生保障和舆情监测具有积极作用。其中:①在公共安全方面,应深化计算机视觉、生物特征识别、时空数据引擎、监控图像目标提取等关键技术在车辆检测、人流统计、迁徙轨迹绘制中的应用,并借助复杂场景主动感知、自然环境听觉与语言感知、多媒体自主学习等前沿技术,实现高维度、多模式场景下的异常信息探测,对人员聚集、跨区域流动、无防护出行等安全隐患进行及时预警;②在民生保障方面,应充分发挥新一代信息技术的融合效用,加快无人超市、智能家居、智慧物流的推广应用,通过政府、企业、社区、家庭多维联动,形成集城市生活场景、智能软硬件应用、人机协同共融为一体的民生保障整体化解决方案,实现个人在生活、工作、学习、娱乐等不同场景下的流畅切换;③在舆情监测方面,应用大数据与区块链技术,实现对舆情信息产生时间、流转过程的全节点记录,支撑多维信息的交叉验证,并形成防篡改的责任链条对舆情传播路径进行溯源,让舆情研判更具科学性和公信力,从而引导群众科学面对疫情、防控疫情。
(4)“智能+复工复产”。随着我国疫情防控形势持续向好,各地企业陆续进入复工复产阶段。加快应用人工智能技术开展复工复产辅助决策,实现大规模在线协同办公,推动传统产业智能化转型升级,是稳步推进复工复产的当务之急。①在人工智能辅助决策方面,可基于高维机器学习技术建立数字孪生城市,将数字化虚拟城市映像与物理空间相叠加,通过对人口流动大数据、“健康码”数据、企业用电量数据的综合分析,为政府精准掌握各地区复工复产态势、进而有针对性地制定重点扶持政策提供科学依据,同时也可为企业评估返工人员健康风险、制订复工复产方案提供决策支持[18];②在智能协同办公方面,可通过建立在线协同平台,覆盖和打通企业高频协作与交互场景,并与企业现有信息系统、第三方工具进行集成,提供融合多元业务场景的一站式解决方案。在此基础上,充分利用平台中沉淀的工作流数据,及时识别企业经营风险、优化业务流程、发现业务机会,推进企业精益化、智能化管理;③在传统产业智能化转型方面,应以国家智能制造、智能服务战略为导向,以疫情下的复工复产为契机,加快推动以人工智能、物联网、数字孪生、虚拟现实等为核心的新兴技术与制造业、服务业的深度融合,形成具有自感知、自学习、自决策、自适应等功能的新型生产与服务模式,推动传统产业转型升级和战略型新兴产业发展。
感谢武汉大学信息管理学院实验中心对本研究的支持。
作者简介
赵杨,博士,教授,研究方向为大数据分析、商务智能、智慧医疗等;
曹文航(通讯作者),硕士,研究方向为大数据分析、智慧医疗, Email:caowenhangcc@163.com。
参考文献
*原文载于《信息资源管理学报》2020年第6期，欢迎个人转发，公众号转载请联系后台。
* 引用格式
赵杨,曹文航.人工智能技术在新冠病毒疫情防控中的应用与思考[J].信息资源管理学报,2020,10(6):20-27,37.
制版编辑 | 王阿凤
往期推荐
当期荐读 2020年第6期 | “计算社会科学”与 “社会计算”概念辨析与研究热点比较分析
扫码关注我们
微信号｜xxzyglxb