當下，全世界依然處在與新冠肺炎的激烈抗爭之中，每一點技術創新和聰明才智的運用，都使我們在戰勝這一疾病的道路上又前進了一步。其中，人工智慧和機器學習技術在更好地理解和解決新冠肺炎疫情危機方面可以發揮至為關鍵的作用，尤其是機器學習技術，它使計算機能夠模擬人類智慧，處理大量資料並快速識別規律和洞察新的發現。
在與新冠疫情的鬥爭中，我們觀察到機器學習的應用主要集中在以下幾個領域：一是擴充與客戶溝通的方式，二是理解新冠病毒的傳播機理，三是加快新冠病毒研究和對症治療。
迅速擴充套件和調整運營模式
各種規模的組織，包括公共機構及私營企業，為了讓員工和客戶進行居家隔離或保持社交距離，都在尋找新的方式以提升運營效率。在這種轉變過程中，機器學習技術為支援遠端通訊、實現遠端醫療及保護糧食安全提供了重要而有效的工具。
中國的柯基資料正在結合 AWS 機器學習進行這方面的工作。柯基資料聯合中國疾控中心的權威專家們開發了新冠肺炎智慧問答小助手，並於 2020 年 2 月 3 日在中國疾控慢病中心的官方渠道正式上線。他們利用來自中國疾控中心、衛健委等官方渠道的權威資訊，結合專業文獻和詞庫，再利用機器學習和自然語言處理、知識圖譜技術對專業資訊進行結構化、整合歸類並建立新冠肺炎防護的知識圖譜，快速打造了一套準確率很高的新冠肺炎智慧問答系統，幫助公眾、新冠肺炎患者及醫生解決常見問題，提供了獲得權威防控知識的便捷途徑。自上線以來，新冠肺炎智慧問答小助手平均每天為數千名患者和醫生提供服務，累積解決了數十萬個問題。
為避免對食品供應鏈造成破壞，食品加工商和政府需要實時瞭解當地農業的狀況。另一家 AWS 客戶、農業技術初創企業 Mantle Labs，在三個月內免費向零售商提供其領先的人工智慧農作物監測解決方案，保證英國的食品供應鏈在疫情期間正常運轉。這項技術透過評估農作物的衛星影像以儘早向農民和零售商提示潛在的問題，讓他們能夠更好地管理供應、採購和庫存計劃。這一功能的實現得益於該平臺部署的定製化機器學習模型，透過融合來自多個衛星的影像實現對農業狀況接近實時的評估。
研究新冠肺炎的傳播機理
機器學習還在幫助研究人員和從業者分析大量資料來預測新冠肺炎的傳播，從而實現疫情預警，確定易感人群。此前加州 Chan Zuckerberg Biohub（陳 · 祖克伯生物中心）的研究人員建立了一個模型來預估未被發現的新冠肺炎感染者數量及其對公共健康的影響。研究覆蓋了全球 12 個地區。透過運用機器學習技術並與 AWS 診斷開發計劃合作，他們開發了一種新的方法來量化未被檢測到的感染者，即透過分析病毒在人群中傳播時如何變異從而推斷有多少被遺漏的感染者。
在疫情爆發之初，AWS 客戶、一家專注於使用人工智慧技術檢測疫情爆發的加拿大初創企業 BlueDot，是最早對這次呼吸道疾病突然爆發發出預警的公司之一。該公司使用機器學習演算法對 65 種語言的新聞報導、航空公司資料和動物疾病網路進行篩選來預測疾病的傳播，隨後由流行病學家稽核資料結果，從科學角度驗證這些結論是否有意義。BlueDot 利用這些研究成果為衛生系統官員、航空公司和醫院提供洞察，幫助他們更好地預測和管理風險。
機器學習也幫助相關領導機構對新冠疫情做出更明智的決策。今年 3 月，由前白宮首席資料科學家 DJ Patil 領導的一隊志願者專家找到 AWS 尋求幫助，希望 AWS 支援他們搭建一個基於場景進行規劃的工具來模擬新冠肺炎的潛在影響，為類似 “我們需要多少張病床” 或者 “我們應該釋出多長時間的居家隔離指令” 這樣的問題尋找答案。他們需要擴充套件其開源模型，以便美國各地的州長都能夠了解接觸、感染和住院者的數量，來更好地做出應對計劃。該機構與 AWS 和約翰 · 霍普金斯大學布隆博格公共衛生學院密切合作，將該模型轉移到了雲端，在短短几個小時內處理了多個場景，並將模型推廣到美國所有 50 個州和美國以外，幫助做出直接影響新冠疫情全球傳播的決策。
各種機構也在研究限制新冠病毒傳播的方法，特別是針對易感人群。AWS 與人工智慧初創公司 Closedloop 合作，利用他們在醫療資料方面的專業知識，識別感染新冠病毒後發生嚴重併發症的高風險患者。Closedloop 開發並開源了一個新冠病毒易感指數“C-19 指數”，這是一個基於人工智慧的預測模型，可以識別可能發生新冠病毒嚴重併發症的高風險人群。這個指數正被醫療系統、護理管理機構和保險公司用來識別高危人群，呼籲他們重視洗手和保持社交距離，向他們提供食物、衛生紙和其他必需品，幫助他們進行居家隔離保護。
加快針對新冠病毒的研究和對症治療
醫療機構和研究人員都面臨著有關新冠病毒的資訊成倍增長的問題，很難獲得對症治療的有效資訊。為此，AWS 釋出了新冠資料搜尋工具（CORD-19 Search），一個由機器學習技術驅動的搜尋網站，可以幫助研究人員快速、方便地搜尋大量研究論文和文件，為諸如 “什麼時候唾液中的新冠病毒含量最高” 之類的問題找到答案。AWS 新冠病毒搜尋工具是建立在艾倫人工智慧研究所開發的包含逾 128000 篇研究論文及其它資料的新冠病毒開放搜尋資料集上的。這樣一個機器學習解決方案可以從非結構化文字中提取相關的醫學資訊，並提供了強大的自然語言查詢功能，可以幫助研究人員加快發現有用資訊的速度。
同時，在醫學影像領域，研究人員正利用機器學習輔助識別影像中的模式，幫助醫生儘早發現並儘早診斷病情。
在中國，一家專注智慧遠端心電平臺及專業會診服務的初創企業益體康，透過聯網專業心電裝置和雲端遠端醫療平臺幫助中小醫療機構解決專業醫生資源不足的問題。他們利用 AWS 的機器學習服務快速構建了其 AI 訓練和推理場景，提升了模型訓練的速度。此次新冠疫情期間，由於許多重症患者存在心臟併發症的問題，益體康的智慧遠端心電平臺為眾多身處隔離病房不方便醫生時時監測心臟受損狀況的病患提供了服務。此外，在許多大醫院減少甚至暫停普通接診的情況下，他們還服務於基層醫療機構，讓患者在家門口就能獲得三甲醫院水準的專業診斷，快速完成心臟問題的初診和分診，減少誤診、漏診，真正做到了將患者留在基層，大幅減少跨區傳播的風險。
機器學習也有助於加速發現有助於治療新冠病毒的藥物。
總部位於深圳、在北京和波士頓設有分部的晶泰科技（XtalPi），是一家以計算驅動藥物研發創新的科技公司。在新冠疫情爆發後，該公司很快對近 3000 個已透過美國藥監局（FDA）稽核的上市藥物、以及超過 1 萬種中藥成分分子，進行了老藥新用的掃描，成功找到了 183 個可能對新冠病毒有潛在治療效果的藥物。之後，晶泰科技對這些藥物的活性進行了排序，然後又透過更加高精度的計算方法，最終鎖定了 38 個藥物。晶泰科技能迅速地完成大量藥物篩選，得益於其 Intelligent Digital Drug Discovery and Development (ID4)雲端智慧藥物研發平臺。在這個平臺上，晶泰科技透過自主研發的基於 AWS GPU 計算例項的機器學習框架，實現大規模的模型訓練及引數最佳化。同時在 AI 模型研究及設計初期，晶泰科技的科學家團隊能夠透過 Amazon SageMaker 服務實現對於模型及引數的快速驗證，其友好的互動式介面加速了演算法研發效率。
AWS 客戶、一家英國的人工智慧公司 BenevolentAI 也在利用人工智慧技術瞭解人體對新冠病毒的反應，從而進行藥物治療方面的研究工作。他們利用人工智慧藥物發現平臺開展了一項調查，以確定已經獲准上市的藥物中哪些有可能抑制新型冠狀病毒。他們利用機器學習獲得基因、疾病和藥物之間的內在關係，篩選出一組藥物化合物。僅僅幾天，BenevolentAI 就發現巴里替尼（一種目前用於治療類風溼性關節炎的藥物，由禮來公司 Eli Lilly 所有）是其篩選出的眾多藥物中的最佳的候選藥。巴里替尼目前正在美國國家過敏和傳染病研究所（NIAID）進行後期臨床試驗，以研究其作為新冠肺炎潛在治療方法的有效性和安全性。藥物進入臨床試驗的速度反映了新冠疫情的緊迫性，也體現了人工智慧技術在促進新療法發現方面的重要性。
我始終相信機器學習有潛力幫助解決我們面臨的最大挑戰。隨著全世界的通力協作，我們相信這一可能性正變得越來越大。希望在這個艱難的時刻，我們能夠在全球範圍內共同努力，不斷創新，讓機器學習更好地貢獻於抗擊新冠肺炎的新途徑。
作者介紹：
Swami Sivasubramanian 現任亞馬遜雲服務 AWS 副總裁，負責人工智慧和機器學習領域的業務。他所在的團隊全面負責機器學習技術堆疊的各個層面，包括機器學習演算法和深度學習框架、機器學習平臺層服務、以及 AI 應用服務。
此前，他曾任 AWS 的 NoSQL 資料庫總經理，兼管大資料業務。Swami 擁有 250 多項發明專利，發表過 40 餘篇科技論文，同時也是多個學術團體和行業組織的成員。此外，他還打造了 30 項以上的 AWS 雲服務，包括：CloudFront、Amazon RDS、Amazon S3、Amazon's Paxos based lock service 以及最早的 Amazon Dynamo 等。Swami 與沃納 · 威格爾（Werner Vogels）是 Amazon Dynamo 論文的主要作者，該論文榮獲「美國計算機協會名人堂大獎」。