「脑极体」靠AI预测一场“流行病”，不可忽视的歧变节点( 二 )

如果不考虑随着时间的推移可能发生的变化，那么在预测生病人数或接触到一条信息的人数时，肯定会出错。
不断趋近真相：让AI模仿现实
怎么办呢？答案是只有让模型与现实之间的差异尽可能地小，从而提高预测的准确率。
前不久《美国国家科学院院刊》（PNAS）上发表的一项新研究，来自卡内基梅隆大学（Carnegie Mellon University）的研究人员就将信息变异这一关键变量引入到了数学模型之中。

本文插图
【「脑极体」靠AI预测一场“流行病”，不可忽视的歧变节点】
他们在现实世界的网络中对数千种计算机模拟的流行病进行了数千次模拟测试，比如一个是美国某高中学生、教师和工作人员之间的联系网络Twitter ，另一个是法国里昂一家医院的工作人员和病人之间的联系网络。
借助实时数据跟踪病原体的进化或信息， “证明了我们的模型在现实世界的网络上有效，更精确。 ”该研究的第一作者Rashad Eletreby表示。
而实现这一点的意义，让人类对病毒/谣言的传播预测距离现实又近了一步。
有了AI模型，世界还会失序吗？
如果病毒/信息的传播可以被精准预测，是不是不会再上演那些无奈的故事？
比如2003 的SARS疫情，学者们就建立了大量的动力学模型研究其传播规律和趋势，以及各种隔离预防措施的强度对控制流行的影响，来为决策部门提供参考。
还有网络上广泛传播的“双黄连可预防新冠病毒”、“食用大蒜可以杀灭新冠病毒”等伪科学谣言，如果能及时地预测变化趋势，介入并引导，民众盲目哄抢、囤积事件是不是就不会发生？
显然，就目前的研究成果来看，想要以100%的准确率，预测病毒或假新闻传播， AI模型还不是那味灵丹妙药。

本文插图
首先，病毒/信息的大范围流通一定会出现歧变，而目前的相关研究和数值都比较匮乏，这也决定了即使训练出了相关模型，也很难快速为重大公共卫生事件起到有效的作用。
另外，不同事件周期中人群对信息（谣言）的易感度是不同的，除了个体性差异之外，对组织的信任与认同、信息公开的精准性等，都会直接影响传播结果。
比如在环境危险性较高的时候，如果人们得到的信息又比较模糊，那么谣言就很容易被相信和传播。在地震、海啸等灾难性实践中，就屡屡出现哄抢等行为。
所以说，不同群体在不同情境下的心理状态，会直接影响到预测模型的准确率。
当然，上述不确定性也为我们寻求AI之外的解药提供了线索。
除了依靠机器来完成预测，在引发负面传播之前就实现合理控制，从源头建立整个社会的“谣言免疫力” ，恐怕才是更重要的。

本文插图
目前看来，有三个关键因素是值得注意的：
1.精确有效的信息释放。
在出现传染病/谣言传播等情况时，每个人都会主动去寻求与自身休戚相关的信息，以便更精确的感知环境来做出决策。
2004年，两位学者就通过分析280条网络谣言，发现很大比例的谣言主体都是在寻求事实中希望进一步解决问题的。
一旦某些重要信息反而模糊性较强的时候，就很容易引发焦虑，从而导致一些消极、非官方的渠道来探寻事实。所以，提供精确有效的信息，能够极大地缓解个体的焦虑情绪，从而降低信息传播的负面影响。