研究人員開(kāi)發(fā)出新型數(shù)學(xué)模型的應(yīng)用與人工智能的復(fù)雜性和訓(xùn)練

研究人員開(kāi)發(fā)出新的統(tǒng)計(jì)模型，可以預(yù)測(cè)哪些城市會(huì)成為傳染病熱點(diǎn)

近日消息，研究人員開(kāi)發(fā)了一種新的統(tǒng)計(jì)模型，該模型基于城市之間的相互聯(lián)系，以及一些城市比其他城市更適合感染的環(huán)境這一觀點(diǎn)，預(yù)測(cè)哪些城市更可能成為傳染病熱點(diǎn)。

緬因大學(xué)的Brandon Lieberthal和Allison Gardner在開(kāi)放存取期刊PLOS Computational Biology中介紹了這些發(fā)現(xiàn)。

在流行病中，不同城市觸發(fā)超級(jí)傳播者事件的風(fēng)險(xiǎn)不同，超級(jí)傳播者事件將異常大量的感染者傳播到其他城市。先前的研究已經(jīng)探索了如何根據(jù)每個(gè)城市與其他城市的連接程度，作為感染環(huán)境的獨(dú)特適用性來(lái)確定潛在的“超級(jí)傳播城市。但是，很少有研究同時(shí)考慮到這兩個(gè)因素。

Lieberthal和Gardner開(kāi)發(fā)了一種數(shù)學(xué)模型，通過(guò)結(jié)合城市之間的連通性及其對(duì)感染的不同適應(yīng)性來(lái)識(shí)別潛在的超級(jí)傳播者。一個(gè)城市的感染適應(yīng)性取決于所考慮的特定疾病，但可能包含氣候，人口密度和衛(wèi)生條件等特征。

研究人員通過(guò)模擬隨機(jī)分布在網(wǎng)絡(luò)上的流行病來(lái)驗(yàn)證他們的模型。他們發(fā)現(xiàn)，一個(gè)城市成為超級(jí)傳播者的風(fēng)險(xiǎn)僅在一定程度上隨著感染的適用性而增加，但是隨著與其他城市的連通性的增加，風(fēng)險(xiǎn)會(huì)無(wú)限地增加。

最重要的是，我們的研究產(chǎn)生了一個(gè)公式，疾病管理專(zhuān)家可以輸入傳染病的特性和人類(lèi)流動(dòng)網(wǎng)絡(luò)，并輸出最有可能成為超級(jí)傳播者所在地的城市清單。這可以加強(qiáng)預(yù)防或減輕傳播的努力。

新模型既可以應(yīng)用于直接傳播的疾?。ɡ缧鹿诜窝祝?，也可以應(yīng)用于媒介傳播的疾病（例如蚊子傳播的寨卡病毒）。與傳統(tǒng)的風(fēng)險(xiǎn)指標(biāo)相比，它可以提供更深入的指導(dǎo)，但與高級(jí)模擬相比，它的計(jì)算強(qiáng)度也要低得多。

人工智能及其復(fù)雜性：訓(xùn)練人工智能模型類(lèi)似于教孩子

人工智能使我們的生活變得更好。無(wú)論是機(jī)器人、自動(dòng)化汽車(chē)，還是Alexa和Siri等基于語(yǔ)音的應(yīng)用程序，我們都看到了這一切。毫無(wú)疑問(wèn)，人工智能是一種最能利用人類(lèi)智慧來(lái)完成早期只能由人類(lèi)完成的任務(wù)的技術(shù)。機(jī)器現(xiàn)在具有學(xué)習(xí)的潛力，并將所獲得的知識(shí)盡可能地用于最佳用途。所有類(lèi)似人類(lèi)的任務(wù)現(xiàn)在都是用人工智能來(lái)完成的。

人工智能有幾個(gè)方面，這項(xiàng)杰出技術(shù)的領(lǐng)域也是如此。自然語(yǔ)言處理（NLP）、計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)是其中一些已經(jīng)成功地從世界各個(gè)角落獲得關(guān)注和贊賞的領(lǐng)域。機(jī)器學(xué)習(xí)是深度學(xué)習(xí)的一個(gè)子領(lǐng)域，主要圍繞著分析數(shù)據(jù)和對(duì)分析數(shù)據(jù)進(jìn)行預(yù)測(cè)。不用說(shuō)，這一切在很大程度上依賴(lài)于人的監(jiān)督。

SMU信息系統(tǒng)助理教授Sun Qianru談到人工智能模型的訓(xùn)練與父母教孩子識(shí)別物體的方式有如此大的相似性。

人工智能及其復(fù)雜性

考慮到人工智能的復(fù)雜性，以下討論

?元學(xué)習(xí)

?半監(jiān)督學(xué)習(xí)

?深度卷積神經(jīng)網(wǎng)絡(luò)

?增量學(xué)習(xí)

這項(xiàng)研究也圍繞這些在圖像和視頻識(shí)別中的應(yīng)用展開(kāi)。

“先進(jìn)人工智能系統(tǒng)的快速適應(yīng)神經(jīng)網(wǎng)絡(luò)（FANN）”的研究目前還處于早期階段。這項(xiàng)研究是圍繞計(jì)算機(jī)視覺(jué)展開(kāi)的。計(jì)算機(jī)視覺(jué)的這一方面采用了依賴(lài)于卷積神經(jīng)網(wǎng)絡(luò)（CNNs）的算法。審查的領(lǐng)域包括圖像識(shí)別、圖像處理等。所有這些工作都是由科學(xué)、技術(shù)和研究機(jī)構(gòu)（A*STAR）資助的。

建立基于統(tǒng)計(jì)層次知識(shí)學(xué)習(xí)的模型自適應(yīng)推理層次是FANN的假設(shè)。以下是研究所討論的一切-

?了解人工智能有多復(fù)雜的事實(shí)后，Sun的研究談到了訓(xùn)練符合該領(lǐng)域當(dāng)前趨勢(shì)的人工智能模型的重要性。

?當(dāng)對(duì)模型進(jìn)行訓(xùn)練以產(chǎn)生準(zhǔn)確的識(shí)別結(jié)果時(shí)，輸入的數(shù)據(jù)量是巨大的。Sun舉了一個(gè)人臉識(shí)別的例子來(lái)支持這一點(diǎn)。她認(rèn)為，如果只有一張臉可供系統(tǒng)識(shí)別，那么它將如何區(qū)分這張臉和其他臉呢？只有當(dāng)足夠的數(shù)據(jù)量發(fā)揮作用時(shí)，只有當(dāng)其他人臉也被用于人臉識(shí)別時(shí)，模型才能成功識(shí)別。要了解這些差異，模型應(yīng)該有大量的數(shù)據(jù)可以依賴(lài)。

?綜上所述，機(jī)器學(xué)習(xí)模型具有識(shí)別全局特征的潛力這一事實(shí)不容忽視。這些模型對(duì)有助于產(chǎn)生所需識(shí)別結(jié)果的可用數(shù)據(jù)進(jìn)行編碼。該模型成功地實(shí)現(xiàn)了對(duì)圖像、文本和聲音的識(shí)別。所有這些都采用了包含許多層的深層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

?Sun的研究考慮了兩個(gè)主要方面。一種是一些機(jī)器學(xué)習(xí)模型在標(biāo)記的數(shù)據(jù)集上訓(xùn)練自己。另一個(gè)問(wèn)題是，最好的人工智能模型都是基于深度學(xué)習(xí)的。這項(xiàng)研究解決了如何建立模型來(lái)確定數(shù)據(jù)，然后對(duì)數(shù)據(jù)進(jìn)行分類(lèi)的問(wèn)題。

?教授談到了當(dāng)預(yù)測(cè)被證明是錯(cuò)誤的時(shí)候，一些模型是如何更新的。

?Sun正在進(jìn)行另一個(gè)項(xiàng)目。這是新加坡健康促進(jìn)委員會(huì)的一份食品相關(guān)申請(qǐng)。這個(gè)應(yīng)用程序的主要思想是讓用戶(hù)對(duì)他們食用的食物的營(yíng)養(yǎng)價(jià)值有一個(gè)公平的認(rèn)識(shí)。用戶(hù)可以利用這些信息引導(dǎo)健康的生活方式。用戶(hù)所要做的就是給他們正在吃的食物拍照，就這樣。所有相關(guān)信息都在他們的智能手機(jī)上。

?然而，這正是復(fù)雜性開(kāi)始的地方。在訓(xùn)練一名模特時(shí)，她的團(tuán)隊(duì)引入了一組有限的類(lèi)別。但是，隨著不同的照片被點(diǎn)擊，擴(kuò)大分類(lèi)的需求開(kāi)始發(fā)揮作用。不僅如此，還需要在應(yīng)用程序編程接口（API）中定期更新和修改類(lèi)別列表。

?這個(gè)地方帶來(lái)的豐富多樣性給團(tuán)隊(duì)帶來(lái)了挑戰(zhàn)。來(lái)自不同的地方，來(lái)自不同的文化。因此，團(tuán)隊(duì)需要特別注意通過(guò)使用有效的學(xué)習(xí)算法來(lái)訓(xùn)練他們的模型。

?所有這些要求不僅要收集不同的數(shù)據(jù)，還要開(kāi)發(fā)不同的適應(yīng)學(xué)習(xí)算法。這種復(fù)雜性肯定存在，團(tuán)隊(duì)計(jì)劃通過(guò)使用一個(gè)小數(shù)據(jù)集來(lái)解決這個(gè)問(wèn)題。

Sun及其團(tuán)隊(duì)的這項(xiàng)研究旨在實(shí)現(xiàn)高魯棒性和計(jì)算效率，特別是在圖像識(shí)別方面。研究團(tuán)隊(duì)相信，研究成果將帶來(lái)巨大的好處。關(guān)鍵是大大提高成品率和降低生產(chǎn)成本。當(dāng)快速適應(yīng)的檢測(cè)設(shè)備經(jīng)過(guò)安裝、制造和測(cè)試過(guò)程時(shí)，所有這些都將發(fā)揮關(guān)鍵作用。
編輯：lyn