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(chuàng)新和聰明才智的運用，都使我們在戰(zhàn)勝這一疾病的道路上又前進了一步。其中，人工智能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(fā)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能，處理大量數據并快速識別規(guī)律和洞察新的發(fā)現(xiàn)。

在與新冠疫情的斗爭中，我們觀察到機器學習的應用主要集中在以下幾個領域：一是拓展與客戶溝通的方式，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癥治療。

迅速擴展和調整運營模式

各種規(guī)模的組織，包括公共機構及私營企業(yè)，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，機器學習技術為支持遠程通信、實現(xiàn)遠程醫(yī)療及保護糧食安全提供了重要而有效的工具。

中國的柯基數據正在結合AWS機器學習進行這方面的工作。柯基數據聯(lián)合中國疾控中心的權威專家們開發(fā)了新冠肺炎智能問答小助手，并于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(wèi)健委等官方渠道的權威信息，結合專業(yè)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(yè)信息進行結構化、整合歸類并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能問答系統(tǒng)，幫助公眾、新冠肺炎患者及醫(yī)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，新冠肺炎智能問答小助手平均每天為數千名患者和醫(yī)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了解當地農業(yè)的狀況。另一家AWS客戶、農業(yè)技術初創(chuàng)企業(yè)Mantle Labs，在三個月內免費向零售商提供其領先的人工智能農作物監(jiān)測解決方案，保證英國的食品供應鏈在疫情期間正常運轉。這項技術通過評估農作物的衛(wèi)星圖像以盡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、采購和庫存計劃。這一功能的實現(xiàn)得益于該平臺部署的定制化機器學習模型，通過融合來自多個衛(wèi)星的圖像實現(xiàn)對農業(yè)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(yè)者分析大量數據來預測新冠肺炎的傳播，從而實現(xiàn)疫情預警，確定易感人群。此前加州 Chan Zuckerberg Biohub（陳·扎克伯格生物中心）的研究人員建立了一個模型來預估未被發(fā)現(xiàn)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(qū)。通過運用機器學習技術并與AWS診斷開發(fā)計劃合作，他們開發(fā)了一種新的方法來量化未被檢測到的感染者，即通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(fā)之初，AWS客戶、一家專注于使用人工智能技術檢測疫情爆發(fā)的加拿大初創(chuàng)企業(yè)BlueDot，是最早對這次呼吸道疾病突然爆發(fā)發(fā)出預警的公司之一。該公司使用機器學習算法對65種語言的新聞報道、航空公司數據和動物疾病網絡進行篩選來預測疾病的傳播，隨后由流行病學家審核數據結果，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(wèi)生系統(tǒng)官員、航空公司和醫(yī)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，由前白宮首席數據科學家DJ Patil領導的一隊志愿者專家找到AWS尋求幫助，希望AWS支持他們搭建一個基于場景進行規(guī)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“我們應該發(fā)布多長時間的居家隔離指令”這樣的問題尋找答案。他們需要擴展其開源模型，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(wèi)生學院密切合作，將該模型轉移到了云端，在短短幾個小時內處理了多個場景，并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與人工智能初創(chuàng)公司Closedloop合作，利用他們在醫(yī)療數據方面的專業(yè)知識，識別感染新冠病毒后發(fā)生嚴重并發(fā)癥的高風險患者。Closedloop開發(fā)并開源了一個新冠病毒易感指數“C-19指數”，這是一個基于人工智能的預測模型，可以識別可能發(fā)生新冠病毒嚴重并發(fā)癥的高風險人群。這個指數正被醫(yī)療系統(tǒng)、護理管理機構和保險公司用來識別高危人群，呼吁他們重視洗手和保持社交距離，向他們提供食物、衛(wèi)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癥治療

醫(yī)療機構和研究人員都面臨著有關新冠病毒的信息成倍增長的問題，很難獲得對癥治療的有效信息。為此，AWS發(fā)布了新冠數據搜索工具（CORD-19 Search），一個由機器學習技術驅動的搜索網站，可以幫助研究人員快速、方便地搜索大量研究論文和文檔，為諸如“什么時候唾液中的新冠病毒含量最高”之類的問題找到答案。AWS新冠病毒搜索工具是建立在艾倫人工智能研究所開發(fā)的包含逾128000篇研究論文及其它資料的新冠病毒開放搜索數據集上的。這樣一個機器學習解決方案可以從非結構化文本中提取相關的醫(yī)學信息，并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(fā)現(xiàn)有用信息的速度。

同時，在醫(yī)學影像領域，研究人員正利用機器學習輔助識別圖像中的模式，幫助醫(yī)生盡早發(fā)現(xiàn)并盡早診斷病情。

在中國，一家專注智慧遠程心電平臺及專業(yè)會診服務的初創(chuàng)企業(yè)益體康，通過聯(lián)網專業(yè)心電設備和云端遠程醫(yī)療平臺幫助中小醫(yī)療機構解決專業(yè)醫(yī)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，由于許多重癥患者存在心臟并發(fā)癥的問題，益體康的智慧遠程心電平臺為眾多身處隔離病房不方便醫(yī)生時時監(jiān)測心臟受損狀況的病患提供了服務。此外，在許多大醫(yī)院減少甚至暫停普通接診的情況下，他們還服務于基層醫(yī)療機構，讓患者在家門口就能獲得三甲醫(yī)院水準的專業(yè)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(qū)傳播的風險。

機器學習也有助于加速發(fā)現(xiàn)有助于治療新冠病毒的藥物。

總部位于深圳、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(fā)創(chuàng)新的科技公司。在新冠疫情爆發(fā)后，該公司很快對近3000個已通過美國藥監(jiān)局（FDA）審核的上市藥物、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。之后，晶泰科技對這些藥物的活性進行了排序，然后又通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，得益于其Intelligent Digital Drug Discovery and Development (ID4)云端智能藥物研發(fā)平臺。在這個平臺上，晶泰科技通過自主研發(fā)的基于AWS GPU計算實例的機器學習框架，實現(xiàn)大規(guī)模的模型訓練及參數優(yōu)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通過Amazon SageMaker服務實現(xiàn)對于模型及參數的快速驗證，其友好的交互式界面加速了算法研發(fā)效率。

AWS客戶、一家英國的人工智能公司BenevolentAI也在利用人工智能技術了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。他們利用人工智能藥物發(fā)現(xiàn)平臺開展了一項調查，以確定已經獲準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系，篩選出一組藥物化合物。僅僅幾天，BenevolentAI就發(fā)現(xiàn)巴里替尼（一種目前用于治療類風濕性關節(jié)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）進行后期臨床試驗，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(xiàn)了人工智能技術在促進新療法發(fā)現(xiàn)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(zhàn)。隨著全世界的通力協(xié)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，我們能夠在全球范圍內共同努力，不斷創(chuàng)新，讓機器學習更好地貢獻于抗擊新冠肺炎的新途徑。

作者介紹：

Swami Sivasubramanian現(xiàn)任亞馬遜云服務AWS副總裁，負責人工智能和機器學習領域的業(yè)務。此前，他曾任AWS的NoSQL數據庫總經理，兼管大數據業(yè)務。Swami擁有250多項發(fā)明專利，發(fā)表過40余篇科技論文，同時也是多個學術團體和行業(yè)組織的成員。目前，Swami所在的團隊全面負責機器學習技術堆棧的各個層面，包括機器學習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。

值得一提的是，Swami打造了30項以上的AWS云服務，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(xié)會名人堂大獎”。

Swami曾表示，Amazon SageMaker機器學習服務的想法是2015年在一次回印度休假時產生的。那時候機器學習還不是熱門話題，回印度休假的4周時間，因為時差問題，不得不找些事情“打發(fā)時間”。于是在那些不眠之夜，Swami開始琢磨人工智能的應用場景，想看看自己能不能構建機器學習算法。差不多四周時間自學深度學習算法和應用程序，并撰寫了一篇名為《AWS 應如何實現(xiàn)人工智能和機器學習》的論文。

一個月后，Swami回到西雅圖，那里有十多人在等著進一步聽Swami的想法。當時，亞馬遜公司內部在使用機器學習，但還沒有考慮將機器學習作為服務提供給外部機構。此時Swami 作為AWS 的高管，而且他有關機器學習的論文又有商業(yè)意義，于是獲得了授權帶領團隊將人工智能和機器學習構建為云服務產品，打造出機器學習服務的基礎架構……

事實上，隨著技術和生態(tài)的不斷演進、應用場景的不斷探索，機器學習已經逐漸走出冰冷的實驗室。無論是日新月異的互聯(lián)網應用，還是求新求變的企業(yè)轉型，機器學習都得到了廣泛的應用，逐步成為驅動業(yè)務的關鍵技術。

2020年7月9日，世界人工智能大會2020云端峰會即將開始，Swami Sivasubramanian也將代表AWS在線出席并發(fā)表題為《突破常規(guī)：機器學習無處不在》的演講，分享屬于他與機器學習相關的點點滴滴。