Когда первые несколько случаев заболевания появились в Ухане, примерно 31 декабря информация поступила в ВОЗ. На ранних стадиях был выявлен синдром пневмонии и имел большое сходство с вирусом SAR. Всякий раз, когда возникает такая ситуация, мы почти не имеем ни малейшего представления о том, что это может обернуться глобальной катастрофой. К тому времени, когда была обнаружена серьезность и разрушительная сила вируса, он уже разлетелся по разным странам и начал пандемию. В качестве ранней защитной меры правительства во всем мире в определенной степени остановили объекты воздушного транспорта и посоветовали гражданам оставаться на карантине. Но общая картина заключается в том, что эти реализованные процедуры не являются надежными решениями для выхода из ситуации.

Теперь, чтобы справиться с такими широко распространяющимися заболеваниями или ситуациями, потребуется система искусственного интеллекта для обработки и обработки тяжелых данных, работающая на разных уровнях, способная предсказывать и предвидеть ущерб, который может нанести болезнь, и разрабатывать решения для борьбы с ней. Если бы система искусственного интеллекта предсказывала интенсивность распространения на очень ранней стадии и предлагала правильный период блокировки, борьба с пандемией была бы успешной. Но хотя конструкция такой системы искусственного интеллекта, которая обещает предсказывать глобальную катастрофу, должна быть очень точной, поскольку она несет ответственность за многие жизни. Но создание 100% точной модели искусственного интеллекта редко возможно, но в последнее время были анонсированы модели искусственного интеллекта с немного сниженным уровнем точности. Предполагалось, что Alibaba выпустит модель искусственного интеллекта с точностью около 96%, которая классифицирует компьютерную томографию пациентов с пневмонией как инфицированных и неинфицированных. Точно так же военные США объявили об алгоритме искусственного интеллекта, который может прогнозировать заражение у бессимптомных пациентов до того, как признаки станут заметны с точностью около 85%. Канадская компания blue dot заявила, что наблюдала сигналы о потенциальной пандемии задолго до фактического всплеска и заранее предупредила чиновников. Эти сигналы были уловлены сложными моделями ИИ. ИИ способен работать с огромными объемами постоянно обновляемых данных, обрабатывать их и делать значимые выводы.

Здесь интересно отметить возможность обнаружения потенциальной пандемии на основе макроданных, собранных в обществе неизменно отовсюду. И это не создаст угрозы безопасности, поскольку эти макроданные, собранные от пользователя, служат цели понимания настроения и вкуса общества. Микро- и микроданные будут включать сообщения в социальных сетях, количество людей, посещающих врача, подробные сведения о симптомах, сведения о движении денежных средств и его скорость, количество и места использования банкоматов, сведения о рейсах и транспорте. Эти данные могут быть интегрированы и введены в модель искусственного интеллекта, которая в соответствии с предоставленными данными может анализировать настроение определенного общества и прогнозировать возможность надвигающейся пандемии. Внезапные изменения в структуре внутренних и международных рейсов, направления и интенсивности транспортного потока, увеличение закупок медицинских товаров, модели розничной торговли и растущее отношение к определенной болезни в социальных сетях наводят на мысль об особом событии, происходящем в обществе. Теперь будет многоуровневая модель искусственного интеллекта, которая будет использоваться сначала для прогнозирования возможности потенциального заболевания, затем будет использоваться дополнительный многоуровневый искусственный интеллект для прогнозирования ущерба, который он может вызвать, и дальнейший многоуровневый искусственный интеллект будет использоваться для обеспечения подходящего механизма защиты для проблема.

В многоуровневом сложном алгоритме ИИ, как только обнаруживается вероятность потенциальной пандемии, он начинает работать над судьбой пациентов с COVID 19. Модель будет снабжена медицинскими данными, содержащими все показанные симптомы. Теперь алгоритм решит судьбу пациента с указанными симптомами. У пациента могут проявляться различные симптомы, но не обязательно со смертельным исходом, но пациент, проявляющий лишь несколько симптомов, может стать серьезным. Модель искусственного интеллекта не обнаружила большинства симптомов, ведущих к подтвержденному летальному исходу, но смогла с большой точностью сузить 3 симптома, которые обеспечивали серьезное заражение. Повышение уровня гемоглобина, мышечные боли (миглия) и незначительные колебания присутствия фермента, называемого аланинаминотрансферазой, в печени привели к серьезному инфицированию пациента. Модель прогнозирования также включала подачу данных от множества людей и последующий анализ с использованием вероятностей, существует модель случайного леса, в которой вводятся все данные о пациентах, создаются различные необязательные деревья, и, наконец, выбирается наиболее точное дерево, которое может выполнять наиболее точный прогноз. о судьбе пациента, инфицированного COVID.

Теперь, учитывая серьезность роли, которую выполняет система ИИ, важно учитывать, что необходимо использовать наиболее точную модель. Была создана отдельная комиссия для поиска наиболее предпочтительной и надежной модели искусственного интеллекта. Теперь есть 5 различных групп подходов, которые модель ИИ может использовать для прогнозирования. Теперь эти группы оцениваются по уровню сложности, времени, необходимому для вынесения определенного заключения, контролируется точность прогноза. Клиническое наблюдение и прогнозируемое наблюдение за данными пациентов сопоставляются и оцениваются по точности. В основном может быть 3 набора моделей, это могут быть модели с несколькими входами, параметрические модели или непараметрические модели. Теперь в рамках этих алгоритмов передается набор предварительно определенных небольших данных и сопоставляется% точности, теперь, наконец, при выборе панели выбирается победитель, и неизменно победитель дает наиболее точный прогноз. Этот метод также известен как методология GROOMS выбора подходящей модели ИИ из всех 5 различных групп с предопределенными наборами характеристик.

Теперь одним из наиболее важных прогнозов, которые должна будет сделать модель ИИ, является скорость распространения и возможная сила вероятности заражения вирусом. Эти прогнозы сделаны с использованием моделей SIR и SEIR AI. Это в значительной степени математически смоделированные данные, которые в конечном итоге дадут ожидаемый результат, который предсказал бы возможную скорость распространения вируса в конкретном сообществе. Теперь этот прогноз обязательно будет иметь очень небольшую точность, поскольку этот прогноз основан исключительно на исторических данных о скорости распространения, которые вводятся в модель. Но на самом деле распространение вируса не будет следовать определенной тенденции, мы просто можем воспроизвести предыдущие данные, а также, учитывая демографические данные, условия жизни людей, возможные темпы или их рост в определенной степени можно было бы предсказать. Модель SIR основана на данных о популяции пациентов и их изменениях со временем. Он учитывает три параметра: люди с возможностью заражения (S), инфицированные люди из группы людей, у которых была вероятность заражения (I), инфицированные и позже выздоровевшие люди (R). Теперь, используя эти три данных, оценивается расчет вероятности, который может показать вероятность заражения в этой конкретной области и аналогичных демографических данных. Эти данные, когда они соотносятся с частотой всплеска, мы можем построить удовлетворительную кривую увеличения числа пациентов в ближайшие месяцы, следовательно, скорость распространения болезни можно легко предсказать. Точно так же математическое моделирование с использованием различных других данных может дать более точные прогнозы, а его комбинация сделает прогнозы еще более надежными. Модели SIR и SEIR AI помогают в построении различных аналитических графиков и изучении распространения в различных местах и ​​показанных сходствах, мы можем предсказать общую инфекционную природу вируса по всему миру и найти причины, ухудшающие его распространение, что облегчило бы поиск решения. разработка.

Теперь, когда мы увидели процесс борьбы с этой пандемией covid 19, мы могли ожидать, что моделированию пандемического поведения вирусов в будущем будет способствовать искусственный интеллект. Он может дать математически регулируемую оценку идеального периода изоляции, который не должен быть слишком коротким, чтобы способствовать возобновлению пандемии, и не слишком длинным, чтобы нанести ущерб экономике и привести к высоким уровням безработицы и рецессии. Можно гарантировать, что число погибших, уровень заражения, экономический ущерб, период изоляции и необходимые ресурсы будут минимизированы. И доступность средств оказания помощи в точных требуемых местах будет максимально увеличена, поскольку мы сможем спрогнозировать места с возможным значительным увеличением. Стоимость лечения снизится и поможет нам разумно выбрать правильное сочетание профилактических стратегий для борьбы с ним.

В целом, система искусственного интеллекта не просто обеспечивает математический статистический анализ, а моделирует все условия пандемии, используя большой объем данных с использованием суперкомпьютеров для более точного прогнозирования. Благодаря большому количеству интеллектуально разработанных стратегий противодействия, ИИ также может быть использован в медицинских исследованиях и разработках, что обеспечит более быструю медицинскую поддержку и, следовательно, более быстрый выход из пандемии. Таким образом, эти модели искусственного интеллекта обеспечат полностью систематическую и продуманную борьбу с любой разрушительной опасной для жизни ситуацией, которая может возникнуть в ближайшем будущем, и обеспечат нашу готовность противостоять глобальным бедствиям.