跳到主要內容
 
:::

技術論壇

主題:加拿大新創公司BlueDot怎麼用AI預測武漢肺炎的爆發?

發文時間 2020/05/19 作者 jingrul691

瀏覽次數 3744 留言數量 7 按讚 0


用戶行為數據蒐集/分析/預測類 武漢肺炎預測AI學習

全球疫情爆發的這麼沒有徵兆,甚至連疫情如何傳遞都不知道,直到各地開始大爆發為止。那這家加拿大公司是如何用AI預測武漢肺炎的爆發啊?

武漢肺炎病毒病理圖


BlueDot並非唯一利用AI快速發現和追蹤到這次疫情的公司。波士頓兒童醫院的附屬非營利機構HealthMap表示,和BlueDot一樣,他們也在去年12月底就對武漢肺炎發出預警。
BlueDot的卡恩也說:「在政府機構發布的官方資訊和非官方管道發布的資訊間必須權衡的是,官方資訊經過了額外的驗證與核實。雖然非官方數據更加即時,但在發布前未必經過類似流程。」

作者 zhoujieren8 發文時間 2020/05/20 按讚 0


7則留言

發文時間 2020/05/19 作者 omnixri

按讚 0


此次加拿大新創公司BlueDot 也於CDC及WHO正式公告COVID-19前一週就已經利用AI分析出此次疫情將由中國爆發及可能傳播路徑,並警告其客戶提早準備,充份發揮AI的長處。BlueDot成立於2014年,其創辦人Khan就是受2003年SARS啟發,開始對各種病原體(如SARS,依波拉、茲卡等150多種)可能造成的疫情進行監控。其主要偵測方式是每天以65種語言掃描100,000多種官方和大眾媒體報導並進行自然語言處理(Natural Language Processing, NLP),找出可能傳播病原的訊息。另外利用大量的飛行路線和匿名移動通信裝置來分析擴散的可能路徑。同時參考各國即時氣候條件、衛生系統能力及各種動物和昆蟲種群的疾病資訊,以得到更可靠的預測結果。

 

更多利用AI預測疫情的方式,可參考小弟寫的「如何應用人工智慧技術精準預測疫情發展

 


發文時間 2020/05/21 作者 laisan86

按讚 0


https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7107534/

幸好我目前都在學校可以用學校網路查閱各國的期刊! 可這篇看來應該是免費的, 標題的中文翻譯應該是『中國武漢病因不明的肺炎:通過商業航空旅行國際傳播的潛力』

從文章中應該可以看到他們的做法, 主要有兩個重點 :

A. 透過網路收集各種相關資訊的資料與連結, 當作系統的標的, 這可以透過網路爬蟲的方式達成目的
B. 收集國際航班的時程表, 時程表通常都有班次、航程的起訖點、航行的預估時間, 而且也能透過這些記錄查出飛機的機型估算載客數量

如此一來, 就可以形成地理資訊系統上的不同點, 以每個點透過時間推估可能的擴散範圍, 這樣就能看到覆蓋率, 再由這些覆蓋的區域形成擴散和連結成各自的線段, 就不難一個個區域看出來擴散的潛力有多大了!

 

所以技術上不算很複雜! 比方說網路爬蟲可以透過optparse-pretty、BeautifulSoup4這類的Python3套件可以開發, 像是以前我就用Pi電腦透過BeautifulSoup做了一個範例 : https://www.youtube.com/watch?v=RGEFLsykaP4

但若是遇上像是現在的社交社全軟體, 那恐怕得用他們公司推出的API比較好! 好比FaceBook有『圖形API』、推特Twitter也有自己的API, 否則要保證抓到完整、正確內容比較難(我之前試過...)

所以純技術性來說, 就一個字 : 煩~~XXD, 但還有點要小心的 : 這時代網路上的東西是不是都能信, 那就見仁見智了!

 

作者 laisan86 發文時間 2020/05/21 按讚 0



發文時間 2020/05/21 作者 chengxiansong2

按讚 0


BlueDot的運作模式,是利用自然語言處理技術與機器學習,分析全世界60種語言以上的外國新聞報導、動植物疾病網路資訊以及官方公告等,整合可能的訊息後,向其客戶提前發出警告,以避開疾病可能爆發之危險區域(例如本次的武漢)。其速度早於美國疾病預防控制中心(Centers for Disease Control and Prevention, CDC)於1月6日發佈的警告。

 


發文時間 2020/05/22 作者 ypei91510

按讚 0


根據外媒《Wired》的 報導 ,BlueDot 使用 AI 演算法,從媒體報導等資料抓出武漢肺炎的資訊。Wired 解釋,CDC、WHO 等單位都依賴政府官方資料取得疫情資訊,但這會受到政治的影響,而且「中國官方在疾病、空氣汙染、自然災害等數據追蹤做得很差」,CDC、WHO 卻依賴這種資料監控疫情。

但是用 AI 抓取、分析數據可以降低人為的影響,它只要拿到數據就可以分析。BlueDot 的創辦人暨執行長 Kamran Khan 表示,我們不能依賴政府,但可以透過網路言論與新聞等消息,抓出最新的資訊。但為了確保數據的品質,BlueDot 避免使用社群媒體上的內容分析,因為社群媒體的資訊相對較亂,還可能會有假資訊

 


發文時間 2020/05/23 作者 omnixri

按讚 0


除了之前提到的方式,從下列新聞報導中亦可看到要從大數據中預測疫情發展的幾項重點。

 

“大數據是控制疫情的另一種有效工具。在緊急期間,它已被廣泛用於改善監控系統,以繪製病毒傳播圖。大數據的擷取和處理,需要設計用於收集和分析的新方法和新技術。例如以下四種大數據分析類型或方法:

  • 描述性分析:發生了什麼?描述業務流程或計劃的現在與過去情況,以綜合和視圖方式呈現活動的績效指標;
  • 預測性分析:將發生什麼?即使用回歸分析和預測模型等數學技術,協助了解未來可能發生事件的資料分析工具;
  • 規範性分析:需要做什麼?用於確定有效的策略和營運解決方案;
  • 自動化分析:根據執行分析的結果自動執行所需的操作與行動的工具。”

目前各國疫情受阻斷社交及交通,已有明顯趨緩,但隨著經濟活動停滯,又開始慢慢開放,亦有可能造成下一波或下一個爆發點的產生,因此要更加將相關數據收集自動化、透明化、區域化,如此才有機會獲得更有效預測。

 

參考新聞來源:打贏新冠病毒抗疫戰要靠AI和大數據

 


發文時間 2020/05/25 作者 shuechang886

按讚 0


Bluedot是一家以自然語言處理與機器學習技術進行傳染病監控的平台,他們的邏輯很簡單──網路上訊息發佈的速度,會比疾病傳播的速度更快;因此,Bluedot監控的不是醫院就診資料,而是篩選全球各地65種語言的新聞報導、動植物疾病爆發報告、官方公告、部落格或論壇中的小傳聞、航空公司數據等,透過大數據自動分析後,會請公司的流行病學專家判斷,如果確認無誤,就會向政府機構、企業、公衛部門等客戶發送警報。

 


發文時間 2020/05/26 作者 hannibal34

按讚 0


BlueDot創辦人暨執行長卡恩表示,他們靠的是自己在2018年開發的一套AI預警系統,透過AI分析來自官方和非官方來源的各種資訊,找出相關的詞彙和片語,快速發現到這波疫情。

BlueDot系統的資訊來源包括:每天在當地和國際報紙上用65種語言發表的逾10萬篇新聞報導;CDC、世界衛生組織(WHO)、聯合國糧食暨農業組織(FAO)和世界動物衛生組織(OIE)的官方報告;衛星即時氣候數據;國際航空運輸協會(IATA)的航班資訊和匿名航班行程數據;人口數據、具傳染病的昆蟲數據、各地區人均醫生和護理師數量數據,以及世界各地經濟和政治局勢資訊等政府來源數據。

這些數據都會進入一個中央資訊庫,資訊庫內還存有150多種病原體的詳細資訊。

BlueDot表示,對於這次的武漢肺炎疫情,這套系統發現了許多信號,包括各種提到武漢「不明原因肺炎」的敘述。之後這套系統也透過分析民眾搭機離開武漢的交通數據,準確預測出肺炎接下來將在曼谷、香港、東京等城市擴散。

 


最新發表
疫情使企業「數位轉型」迫在眉睫,但員工身心靈都已裝備到位了嗎?
2021年全球疫情因疫苗問世漸趨和緩;台灣也正從新一波疫情高峰中逐步獲得控制,但仍不鬆懈。「數位轉型」即是企業追求長遠生存,逆勢求生的唯一手段。不只是數位工具的導入,其員工數位能力的提升及心態健康程度,更是決定企業能否在這場「防疫持久戰」致勝的關鍵! 企業的「數位轉型」不只包含了「數位化」—將實體的資訊轉成為電子化,儲存於電腦或是雲端中,加速作業效率。更重要是藉由「數位化」基礎,在營運流程、顧客體驗及商業模式等策略中,結合數位工具,提升工作效率並賦予全新的價值,增加市場競爭力。所以,擁有數位腦袋和開放態度的人才,就顯得格外重要!但對於資源不是非常多的企業(可能員工數僅百人以下),不太可能立即擴大招覽相關人才。那麼,就從既有人才上,去轉型、賦能優化吧! 如何幫助員工快速升級,符合企業「數位轉型」戰略目標? 需針對不同部門、不同專業類別的員工,制定相應的學習計畫。從具有架構化的學習開始:以員工學習體驗為導向,滿足員工碎片化學習需求,著重提升學習效率與成果,內容即時因應企業變革成與轉型訴求,在企業有限資源下達到最佳學習成果! 所以,相應教材與學習系統就須同時兼備『快速產製教材』及『穩定學習品質』兩大特性。而「AI智能影音」平台即能達到上述需求,使企業人力培訓上縮短員工訓練時程,加速應用所學,為企業在艱困時,深蹲打好基礎。 「AI智能影音」平台運用大數據、AI自然語言處理、電腦視覺技術等技術,能自動將文字匹配靜態圖與動態影音,並使平台內的影音模型藉由反覆訓練,合成出符合觀眾閱聽行為且具有品質的影音內容。平台最大優勢為,使用者只要將一段文字匯入平台,5分鐘內產出約1分到1分半的影片,不需要額外找素材,其影片的內容就是自百萬商用授權素材庫(包含靜態圖像、動態影音、背景音樂)。大幅縮短原先產製教學影片的時程,中小型企業也能因應市場變化,動態調整教學內容!不增加培訓人員與受訓人員工作負擔。 「數位轉型」是企業須即刻on上日期的專案,數位工具使用與員工賦能就是第一步。全球市場瞬息萬變,難保未來不再有意外。企業應自日常扎根,在非常時期宛如期中考般,考核過去在數位轉型上的投資,方向是否正確?是否風暴中向前挺進?收割推動轉型的豐碩果實,為企業營收再創新高峰! 點擊 看更多企業案
數位轉型時代人才職能的再進化
近年來全球資訊產業趨勢變化快速,雲端運算、物聯網、資料科學、人工智慧和5G行動通訊等尖端技術日新月異的發展應用,帶動了數位經濟的興起,並同時重塑了全球經濟結構。根據世界經濟論壇(WEF)的預測,2022年全球GDP將有六成來自數位經濟,可見數位經濟的發展對全球經濟未來趨勢影響之重大,而其影響自然也將及於人力資源市場。 產業面臨這一波數位轉型,正如當初個人電腦、網際網路的普及一樣,將會完全翻轉全球經濟、以及企業現有的商業模式。過往數位科技人才大多為資通訊及高科技產業所需求,隨著產業積極導入數位工具及人工智慧應用、企圖尋求下一波創新成長動能,各行各業展開數位科技人才爭奪,根據國家發展委員會對於臺灣未來十年人力市場之預估,數位人才將呈現大規模人力缺口。 AI取代工作 還是創造機會 科技帶來翻天覆地的影響,新興領域之人才需求不斷攀升,嶄新的商業模式、跨領域的整合應用也層出不窮。迎接新科技帶來新工作機會的同時,人才技能必須時常更新,以掌握未來世界的人力需求及工作樣態的變化。 根據臺灣經濟研究院研究報告指出,隨著人工智慧、物聯網、大數據、資訊安全等技術發展,將會為我國帶來新的人力需求;反之,設備操作、倉儲物流、行政庶務等事務性及高重複性工作,則可能因新科技而受到衝擊。然而,人類的工作真的會被AI和機器人取代嗎?國際研究暨顧問機構Gartner指出,2020年,雖然有180萬個職位被AI取代,不過同時AI也將創造230萬個工作機會,帶動整體工作機會正成長。未來的人力資源趨勢將是人工智慧結合人腦的工作型態,隨著自動化科技的引進顛覆人類在工作上所扮演角色,勞動者必須具備新的技術和能力,以因應這一波數位趨勢。 人才職能重塑 已是世代常態 各種新興科技正在重塑我們的世界,我們是否都準備好了呢?現今企業普遍面臨相當大之人才挑戰,人才競爭態勢只會越來越激烈,數位科技浪潮下,在可預見的未來,機器人或人工智慧一定會對企業人力運用造成影響,企業數位轉型已經是勢在必行的壓力,就公司而言,企業所需的人才技能隨著公司經營策略的調整均在不斷轉變中,人才需要積極主動、擁抱改變,人才所具備的技能如不隨著大環境的變動,將面臨無法與時俱進的風險、最終可能被市場淘汰。 過去用一把刷子行走職場、或是十年磨一劍的年代已經過去,單一技能很容易被潮流取代、唯有具備數位科技、跨領域專長的人才方能在瞬息萬變的職場上勝出。世界經濟論壇的報告指出,全球所有受雇員工有半數以上(54%)需要在未來三年內接受大幅度的技能重塑與提升訓練。而數位科技人才常需隨趨勢發展而更新專業能力,根據之前Gartner的一份調查,職場員工平均每三年需更新一次職務內容與數位科技專業能力。 職能再進化 先找出自己的型 在這波數位技能革命中,企業必須打造新的人才職能規格、於公司內部創造並鼓勵員工持續學習的環境和文化,同時協助員工捨棄舊技能與發展工作所需新技能。由於企業很難找到各方面條件都符合的現成人選,招募到合適的人才所需之時間已經越來越長。有越來越多的企業支持從既有的員工進行在職培訓,並轉型為數位科技人才,不僅有效降低企業招募時間與經費成本,也可以避免招募到的員工不適任無法久留的風險。越來越多的企業正在提高技能重塑的投資,在企業發展數位轉型的同時,偕同組織內的人才一起精進、重塑員工技能,及早做好職能轉型的全面準備。 然而,職能轉型並非一件容易的事情,根據108年經濟部人工智慧產業人才需求調查發現,並非所有現職員工都能成功轉型人工智慧人才,最被企業看好且轉型成功率高的人才通常已具備相當基礎(有型)、在這個基礎上進行職能轉型較容易成功;例如工程類職務(如:系統工程師、後端軟體工程師) 本身即具有程式撰寫、系統開發能力,較容易轉型為機器學習工程師及AI應用工程師等AI新興職務。而資料類職務(如:資料庫工程師、統計分析師)已具有資料庫或數據分析等基礎,亦容易轉型為資料工程師或資料分析師。而一般常見的產品經理、專案經理及行銷企劃專員等職務,已具備專案管理、產品管理、行銷推廣、跨部門溝通…等軟實力,若能再強化AI相關基礎知識,也容易轉型為AI專案經理或AI產品經理。 生命不息 學習不止 迅速和持續變化的工作性質正在改變學習與工作間的關係,當我們一直被機器追趕著學習新技能,如何能夠有效應對新世代的變遷、在數位經濟的潮流中成為未來產業所亟需的人才?在數位時代的潮流之下,新世代的人才需要透過不同管道不斷精進自我,才能持續增加自己的附加價值,而不被時代所淘汰。未來的人才唯有在終生學習、科技協作、軟技能和環境應變等四個面向深化努力,方能應對快速變遷、日新月異的產業趨勢。 在終生學習方面,除了持續學習的腳步外,在學習的方向上,也要注意學習內容與工作之融合度,以期能符合實際工作的職能需求,此外考量個人能力及人格特質做個性化的學習,也對強化自身附加價值,以及未來職涯的發展有所助益;在科技協作方面,隨著AI與自動化的興起,新的工作型態對人機協作的需求也越來越高,在人類主導的情況下,由機器提供輔助進行工作,將會成為產業從人工朝向智慧化發展過程中過渡的第一步,因此在科技協作的學習投入,將能有效幫助人才面對AI化與自動化的挑戰;軟技能是人類勝出機器的關鍵,包括溝通、思考和創意等在現今這個科技時代愈趨重要,未來人才需要培養機器所無法取代的能力,以增進自身在職場的不可取代性;在環境應變方面,由於近年來產業趨勢的變遷快速,新技術的推陳出新使得人才在適應環境變化上的需求大幅提升,未來的人才也需要像電腦持續定期更新,隨時檢視自己的技能、擁有持續重塑自己以靈活應變的能力,才能在時代的潮流中維持競爭力! 財團法人資訊工業策進會∕數位教育研究所∕數位轉型訓練中心 陳麗萍 組長
AI創作音樂有可能成為一種新趨勢嗎?
音樂是全世界共通的語言,大家都同樣使用12個音符,但卻能創造出各種風格的音樂。目前主打透過AI生成音樂的服務越來越多,在國外還有透過 AI 即時生成電子樂的音樂串流服務,這樣的音樂創作方式有可能會成為趨勢嗎?
到了5G時代,那麼邊緣運算會有何不同嗎?
我們都知道物聯網的概念開啟了科技應用的新視野,當越來越多元件走向微型化、智慧化,數據海嘯也隨之而來,如何讓這些裝置以最有效率的方式運作,互通有無,並發揮大數據的優勢,成了當務之急。邊緣運算便是實現運算資源佈局最佳化的關鍵途徑,不過現在有了5G的出現,對於邊緣運算會有什麼影響呢?
最近在AI資料分析常使用到的"增強分析"是什麼意思?
「增強分析」(augmented analytics)被預測為今年十大戰略趨勢,它對一般企業來說意味著什麼?對數據科學家來說影響又有多大?希望可以了解一下

熱門發表
如果提供影像辨識的訓練資料不足,AI電腦視覺技術是不是就派不上用場了?
目前深度學習很火,從醫療、零售、倉儲、工業到監控等,好像各種影像辨識都能用到,但往往在一個地方卡關,那就是沒有足夠大量且有代表性的資料提供"訓練",有沒有可能用少量資料來達成好的辨識效果呢?
【解題建議】利用OpenPose來解決骨架(姿態、行為)分析
此次出題有很多項目和姿態(行為)分析有關(如下所示),而其根本就是要先找出人的骨架,再加上時間序列來分析骨架各特徵點的位移,進而判定使用者的動作(類型)。 【華碼數位】 體適能動作與姿勢辨識:以影像分析運動者姿態。 【宸訊科技】 利用動態影像辨識技術完成對農民於田間作業之行為分類與分析並能結合AI技術、配合專家互動,持續調整分類學習精準度:從串流影像中分析農業作業姿態(行為) 。 【集思動力】 iSEM多裂肌脊椎運動AI體況分析應用:透過影像、視頻分析人體動作姿態是否滿足特定位置、角度。 【百一電子】 AI電腦視覺辨識男生/女生的情緒與動作事件 :透過視頻分析十六種動作行為。 【良品嚴選】 客戶輪廓分析與服務人員及時輔助系統:從視頻分析客戶在店面行為以提供智能零售。 【良品嚴選】 線上連結線下新零售之AI分析:從視頻中分析行銷手段是否改變消費者行為。 【艾爾塔科技】 線下零售數據消費者行為洞察與全通路數據整合:透過人流資訊分析及預測消費者行為。 【卡訊電子】 智慧教室語音與影像偵測數據AI分析:建立語音、影像辨識老師、學生行為以增進學習效益。 而在開源技術中以CMU的OpenPose最為知名,包含有身體、頭(臉部)、手等部位,有興趣的朋友可以參考一下 https://github.com/CMU-Perceptual-Computing-Lab/openpose
數據「學」無止盡!機器學習、深度學習、統計學究竟差在哪?
數據當道的現今,多少人、事、物受惠於這些龐大的數據分析和學習,但你知道機器學習、深度學習、統計學的差異是什麼嗎?
CES展上發佈的蚊子偵測器怎麼辨別這種微小差異的?
以色列新創業者Bzigo在CES展出一款室內蚊子或小型飛蟲偵測器,宣稱能夠偵測距離8公尺內的蚊子、追蹤蚊子飛行的軌跡,但蚊子很小隻且飛行速度不慢,實際可以偵測到的成效不知道如何,怎麼辨別蚊子或小型飛蟲和其他東西的差異?  
Time is money!如何讓製程最佳化、讓生產更簡單?
從網路時代到物聯網興起,工業 4.0 強調自動化與生產線聯網功能,而新一代的智慧工廠發展,則更仰賴邊際運算、AI 和數據分析。然而,究竟要如何讓製程最佳化,使得生產速度提升呢?

主題分類