SDG智享会 | 饶翔：如何利用大数据预测疫情走势

安讯科技创始人饶翔

扫描图中二维码可回看活动视频

饶翔于2003年成立安讯科技，致力于大数据信息工程和人工智能应用的产业化创新。他坚持研究和耕耘于大数据与人工智能技术，为运营商、银行、政府等部门提供多维大数据智慧型平台。目前，安讯科技可以合规使用15亿手机大数据，是中国覆盖人群范围最广、跨行业数据应用最深的AI公司。

饶翔于2011年将iCloud的知识产权授权苹果公司使用。2020年1月28日，他正式启动安讯大数据疫情防控系统。在系统上线后，他第一时间与防疫指挥部联系，并免费捐赠系统给南京市政府使用。

社投盟专家团召集人、科技专家 黎江

黎江从业36年，在云计算、大数据、区块链、人工智能、金融IT、数据中心和产业规划与实施、IT战略与治理、产品创新与研发技术管理等多个领域颇有建树。

智享会分享全文如下：

据统计，目前在野外有160万种病毒，而人类已知的只有5000种。如今，传染病的死亡人数实际上是战争的13倍。然而，针对战争的军费支出十分庞大，但是针对治疗传染病的投入却比想象中要小得多。

我们的世界正在变得越来越小，传播的威力却越来越大。以2014年一个社交红包活动为例。起初只有两个种子用户发放红包。两个小时后，红包传递人数就达到了1500人；五个小时之后，达到了3万人；到了第二天，总人数达到12万人次。

在数据跟踪并分析了12万人的传播过程后，我们发现，相比于以前的六度连接，实际的传播只有3.8度连接。而新冠病毒的传播过程正如这个社交红包活动的传播过程，速度十分惊人。

国家卫健委1月14日发布的公文提到，要用大概率思维去处理小概率事件。然而，面对新冠疫情这种百年一遇的大事件，如果用大数据的思维去思考，那么应该用超大概率思维来思考灰犀牛的大概率事件。

此次新冠病毒的传播分为三个阶段。

第一阶段为2019年12月1日到31日。12月27日，财新杂志率先报道了三例不明原因肺炎。

第二阶段为2020年1月1日到20日。从数据上看，1月10日时已有40人确诊。在1月24日，我们大概知道新冠病毒的潜伏周期可能长达14天或者更长，它的周期中位数大约是在5天到6天。

第三阶段是2020年1月21日到30日。依据这些数据，我们得出了比较准确的判断。尤其在第三阶段时，我们已经通过大数据分析，采取了防范新冠病毒的强有力手段。

如果从数据上对比意大利的米兰和美国的纽约，我们可以发现更多应急处置的不同，也会发现更多背后的问题。

疫情预测的两个关键点是对于趋势的把握和对于区间的把握。现如今，人处于大预测时代，有93%的事物是可以被预测的。

从新增高峰和目前的峰值来看，我们之前对意大利疫情趋势的预测，基本上都是准确的，其峰值在3月25日到31日之间。现在它基本上处于一个相对缓慢的下降过程，每天新增3000到4000例。目前，美国的感染人数还在日益增加，我们预计其高峰值在未来一周内。通过大数据建模，我们对每日新增确诊人数的区间和累计感染的人数区间进行了预测。

总结来说，预测疫情需要建立一个全球范围的新系统。

第一是运用雷达。以广州卫健委为例，它主动用雷达监控并发现到达广州的感染者。

第二是运用地图。如何能够科学预判疫情，知道当前处于什么样的发展阶段呢？当发现几十例确诊的时候，要通过地图来看这几十例的来源地。这些就是冰山下的数据，是更为重要的、可以预判未来趋势的数据。

第三是快速高效的核酸检测。这是目前为止最有效的检测方法，较早发现，较早隔离。

也就是，相关部门收集来自于互联网等各渠道的综合数据，形成云雷达。在综合分析之后，推演、判断未来趋势。例如需要口罩、床位、呼吸机的数量，以及高峰期到来的时间。这些就好比是预测洪水的高峰时期，或者说预测台风的登陆时间一样。同时，不断进行精准抽样，对于高风险的人群和区域进行主动检测。

人工智能（AI）把全球70亿人的健康联系在一起。当前全球的疫情状况下，我们发起“Big AI Union”，即运用大数据AI的手段，让它服务于公共卫生制度，服务于整个人类命运共同体。数据是思维，是大AI。如何让数据能够说话，如何能从未知知识中把它提炼出来，让我们能够更好地判断、认知和决策，需要人文情怀来创造人类福祉。这也是全球数据的“新基建”，真正做到显知识与隐知识齐飞，人决策与数决策并举。

黎江：“Big AI Union”这个词涵盖三个范畴。大数据Big，代表必然性关系；人工智能AI，代表性关系；联盟Union，表示协同化的组织形态、多信息整合梳理。您对于“Big AI Union”这个词的内涵和外延，有哪些更多的考虑？

黎江：您认为数据化的推手究竟是谁？有人说不是CTO或者CEO，而是新冠病毒。数据化应用在金融方面的案例又有哪些呢？

提问一：先前您说疫情是可以被预测的，但是这个预测的成功会不会是幸存者偏差？因为预测的基数太大，总会有一个预测成功的结论？

饶翔：在众多预测数据（感染率、确诊率等）中，死亡率预测是相对来说比较准确的，因为当前的死亡人数是真实的。而感染人数却不一定真实，因为存在无症状感染者，所以永远不能准确知道真实情况下到底有多少人患病。一般来说，对于疫情的预测趋势是正确的，不会存在幸存者偏差。但是针对不同国家的应对政策和具体情况（比如是否戴口罩），预测结果会有相应调整。

提问二：几个小时以前特朗普宣布要冻结给WTO的资金，像这种在政府层面的项目里突发的事件，是否会影响到AI的预测结果？

饶翔：虽然现在有一种说法是，特朗普的行为是不可预测的，但它的不可预知也正好是一种可预测。用大家理解的话说是“民粹主义”“直觉性思维”。

提问三：比起建模感觉数据的获取难度更大，完成这样宏大的分析需要的数据量和渠道的来源有哪些呢？

饶翔：最好、最强大、最全面的数据一定是运营商的数据。它的可用性超过任何一家互联网公司的数据，不管是阿里的、Facebook的，还是谷歌、苹果的。但是在这次疫情中，我们做预测的时候，没有运用到运营商的数据，而主要运用的是从互联网上获取的卫健委公布的数据。后来，我们对数据进行失真之后的修补，也就是还原。其实，互联网是一个非常好的数据来源。

提问四：可以预测一下全球疫情的拐点会在什么时候到来吗？全球疫情什么时候可以控制在和我国当前的水平接近？另外，请预测一下印度、拉美以及非洲是否能够像美国或者欧洲一样有爆发的可能？是否预测到英国的疫情的拐点？

饶翔：我认为现在谈这个还太早。因为从整体来看，中国是雪崩的第一波小高峰。第二波是在欧洲，特别是西欧国家。美国所对应的爆发，正好是高峰期，从3月25号左右开始，是真正的高峰期。到4月15号之前，如果能够顺利过去，已经算是比较好的了。

第三波实际上是最凶险、最危险的。印度政府最应该做的是，选择一个区域，就是我们称之为高风险区域的地方，对人群进行随机抽样的核酸检测。

相对来说，巴西政府在疫情防控方面比较靠谱。通过我们的监测，巴西的实际感染人数可能会比我们预计的要低一些。

其实，我们所认为的高风险人群的最主要特征是社交活动量大。因为接触的人特别多，所以被感染的风险性也非常大。所以，我们认为，对于英国来说接下来这一周是很重要的时间段。英国政府一直采取鸵鸟式防御，也就是我们所熟知的群体免疫防御。我认为，英国民众不应该去做抗体检测，而应该去做核酸检测。否则它的高峰期更加难以预测。英国的卫生副大臣、大臣都中招了，但是目前都已康复。查尔斯王子也已经康复。

提问五：如您可以提三条对于中国疫情防控的建议，那这三条建议是什么？

饶翔：第一，要主动基于数据进行疫情监测和防控，针对高风险人群、高风险区域进行判断。第二，基于全球新常态防疫情况来对待国内疫情。大数据是手段，核酸检测是载体。第三，随时做好准备。借用孙子兵法的一句话，不要以为敌人不会来，而是即使敌人来了，我们随时有准备。

提问六：搭建全球疫情系统的目前有哪些障碍？

黎江：首先，数据的使用权确认、流转、加工、分配缺乏在制度方面的约束。其次，数据的使用在文化方面也受到限制，比如有的国家禁止使用摄像头。这些都是人工智能的使用过程中的障碍。但是，这次疫情证明了数字化进程不可阻挡。

提问七：两位认为什么样的科技是面向未来的科技？如何能够让数据和AI更好的为人类福祉作出贡献？

饶翔：有爱、有人文关怀、上善若水的AI，是人类帮助自己穿越失控混沌巨婴期的唯一大道。

相关阅读

1. 战“疫”时刻，企业如何更好地担当社会责任？

2. 义利并举、资本向善，可持续发展迎来关键十年

3. 远程办公如何高效协同？这篇指南助你效率飞升

4. 可持续发展议程的中国行动和企业实践

可持续发展金融理念系列解析，请持续关注“社会价值投资联盟（ID：casvi2016）公众号，后台回复关键词“义利99”，免费下载2017、2018、2019年《发现中国”义利99“A股上市公司可持续发展价值评估报告》简版，了解评估详情。