Artificiell Intelligens vs COVID-19

Share this post:

Under de senaste åren har det blivit allt vanligare att prata om artificiell intelligens (AI) i kontrast till mänsklig intelligens och artificiell intelligens som ett hot mot oss människor. Stephen Hawkins, Bill Gates och Elon Musk har alla hissat varningsflaggor. Alibabas grundare Jack Ma har betonat hur viktigt det är för oss människor att hitta nya kreativa sätt att vara relevanta på i en tid då maskinerna blir allt bättre på att utföra mänskliga sysslor.

Men just nu, när vi befinner oss i en pandemi som sveper över planeten, kan AI visa sig vara avgörande för hur vi människor snabbast, effektivast och smartast hanterar denna kris. Frågan vi ställer oss är: kan AI vara ett hjälpmedel – inte en konkurrent – med vilket Corona-viruset kan bekämpas?

I detta inlägg tänkte jag lyfta fram några exempel på hur AI används för just detta ändamål och på hur den pågående globala krisen kan föra oss människor både närmre varandra och närmre vår teknik – den sociala distanseringen till trots! För det torde vara uppenbart för alla idag att detta är en global kris och precis som Yuvel Harari härom veckan lyfte fram i Financial Times så kräver denna kris global solidaritet.

COVID-19 är en global utmaning

Den 26 mars publicerade FN-organet UN Global Pulse en sammanställning över pågående initiativ som syftar till att använda AI för att bekämpa COVID-19. Man lyfter fram tre områden där AI kan ha stor påverkan på COVID-19 bekämpning: diagnostik, forskning och epidemiologi.

AI-förstärkt diagnostik

Ett sätt att diagnosticera COVID-19 är genom röntgning av lungor. Denna metod genererar bilder som är tidskrävande för radiologer att analysera. Med hjälp av AI kan de unika radiologiska signaturer och mönster som utmärker bilder av lungor infekterade med COVID-19 snabbt och med god tillförlitlighet identifieras så att radiologernas arbete kan effektiviseras. Genom att kombinera olika former av maskinlärning och mänsklig expertis kan arbetet med diagnostik genom lungröntgen skyndas på och begränsade resurser allokeras bättre.

AI-förstärkt medicinsk forskning

Inom biokemi används artificiell intelligens för att öka vår förståelse av komplexiteten som rör virusets molekylära strukturer, i hopp om att en sådan ökad förståelse ska leda till verksamma nya mediciner och nya sätt att använda befintliga mediciner. Med hjälp av olika AI-tekniker (som exempelvis neurala nätverk , Monte Carlo trädsök, och Natural Language Processing ) kan man söka igenom stora befintliga datamängder (som till exempel PubMed och Reaxys) för att identifiera komplexa samband mellan olika entiteter så som proteiner och substanser. På det sättet kan man identifiera nya verksamma samband som ger ledtrådar till virusets biokemiska mekanismer och därmed sätt att motverka dessa. Även AI-tekniker som Generative Adverserial Networks och Reinforcement Learning används för att identifiera nya molekyler som kan påverka virusets aktivitet.

AI-förstärkt epidemiologi

AI så som maskinlärning används även för att förstärka det epidemiologiska arbetet med att förstå och mildra spridningen av COVID-19. Arbetet med att upprätta rådgivande riktlinjer för virusspridningsbekämpande åtgärder försvåras av det faktum att utvecklingsförloppet är både snabbt och globalt. Detta i sig för dock med sig att det genereras en oerhörd mängd data som potentiellt sett kan ge ny förståelse om hur vi ska bete oss, allokera resurser, och så vidare.  Maskinlärningsalgoritmer så som k-means clustering,  Flower Pollination  Algorithm , Hamiltonian Monte Carlo och Salp Swarm Algorithm  används alla för att bättre förutspå COVID-19 virusets spridning och utveckling.

Kvalitativ data behövs för effektiv AI

Tillgång till data av god kvalitet är avgörande för att lyckas bekämpa COVID-19 med hjälp av AI. UN Global Pulse lyfter framförallt fram tre olika sorters data:

1. Fallbeskrivningsdata – data som rör antal smittade, döda, tillfrisknade och var dessa fall har inträffats och hur dessa fall relaterar till de åtgärder som tagits. Denna sorts data kan användas av olika sorters prediktiva analys metoder (som till exempel. Auto Regressive Integrated Moving Average och Long-Short Term Memory-nätverk) för att förutspå utvecklingen och spridningen av viruset.
2. Textuell data – data som rör det allmänna informationsläget kring COVID-19 (smittoöverföring, inkubationstid, riskfaktorer, behandlingsmetoder och så vidare). Denna typ av data lämpar sig för en AI-teknik som Natural Language Processing och gör det möjligt att ta AI till hjälp för att besvara frågorså som ”vilka är de största riskfaktorerna för COVID-19?” eller ”vad känner vi till om verksamma icke-farmakologiska interventionsmetoder?”
3. Biomedicinsk data – data som används som underlag för den biomedicinska forskningen. För att göra det möjligt för forskare inom biomedicin att dra nytta av AI pågår det i dag olika initiativ för att sammanföra biomedicinare, epidemiologer och datavetare. Ett sådan exempel är Data Against Covid.

För att säkerställa att data kommer till sin rätt pågår det nu en mängd olika data-initiativ. Ett sådant är COVID-19 Open Research Dataset (CORD-19) som nyligen annonserades av Allen Institute for AI . CORD-19 innehåller fler än 45 000 vetenskapliga artiklar om COVID-19 och övriga Coronavirus och är nu tillgängligt gratis. Ett annat exempel är samkörningen mellan data från telekomleverantörer och hälsomyndigheter i Belgien som nu sker under övervakning av den Belgiska Dataskyddsmyndigheten med syfte att bättre förstå smittspridningsutvecklingen. Detta i sig för dock med sig andra utmaningar så som en ökad risk för dataintrång och integritetsbrott och det är en svår och känslig balansgång mellan akuta pandemi-mildrande åtgärder och långsiktiga integritetskonsekvenser – vilket Electronic Frontier Foundation, en icke-vinstdrivande organisation som bevakar individers digitala rättigheter, belyser ()

“There are no passengers on Spaceship Earth. We are all crew.” – Marshall McLuhan

UN Global Pulse avrundar sin genomlysning av det pågående arbetet med att nyttja AI för att bekämpa COVID-19 med tre uppmaningar som är avgörande för att detta arbete ska bära frukt:

1. Vi behöver skapa förutsättningar för effektiv datadelning mellan alla institutioner och grupperingar som jobbar med att bekämpa COVID-19. Vi behöver även kvalitetssäkra denna data.
2. Vi behöver göra det möjligt att arbeta multidisciplinärt mellan en mängd olika discipliner.
3. Vi behöver ta oss an detta globalt. Internationell samverkan kommer att vara helt avgörande för att minimera de katastrofala konsekvenser som COVID-19 kan föra med sig.

Slutligen, som många andra innovativa tech-bolag har också IBM gett sig in i kampen mot COVID-19. Vi har startat en mängd olika initiativ kring detta och jag skulle vilja lyfta fram tre stycken:

• IBM har tillgängliggjort världens kraftfullaste superdator – Summit – för forskare som undersöker vilka befintliga mediciner som eventuellt skulle kunna sättas in mot COVID-19.
• Tillsammans med dotterbolaget The Weather Company har IBM skapat en interaktiv karta som gör det möjligt att följa utveckling och spridning av viruset i detalj och få tips från WHO om hur man bäst skyddar sig.
• Årets Call-for-Code (ett initiativ drivet av IBM tillsammans med The David Clark Foundation riktat till utvecklare) fokuserar på COVID-19 bekämpning.

/Patrick Couch, IBM

Mer läsning

Intresserad av mer information om hur AI används idag för att bekämpa COVID-19? Läs UN Global Pulse rapport ”Mapping the landscape of artificial intelligence applications against COVID-19”.

Vill du läsa mer om integritetsriskerna med datadrivna grepp med COVID-19 bekämpning från ett EU-perspektiv rekommenderar jag denna artikel från EU Observer: https://euobserver.com/coronavirus/147828

Och vill du läsa om mer om hur specifika AI-bolag mobiliserar för att stötta bekämpningen av COVID-19 ger denna artikel en bra översikt: https://www.forbes.com/sites/tomtaulli/2020/03/28/ai-artificial-intelligence-companies-that-are-combating-the-covid-19-pandemic/