根据估计，流感每年导致超过3140万次门诊访问，超过20万人次前往急诊室和医院。 毋庸置疑，有足够的动力来预测流感爆发的范围和严重程度，研究AI增强预测的研究人员正在取得进展。 在Arxiv.org上发表的一篇论文《使用谷歌趋势预测流感》中，来自东京大学的科学家们描述了一个系统，该系统可以利用谷歌趋势的数据，这一工具分析了流感流行趋势，并且利用Google搜索中的热门搜索查询，以提高精确度。
该团队利用一种称为序列到序列的人工智能模型，它可以根据内部信号选择性地处理输入数据。像大多数机器学习系统一样，序列到序列模型由数学函数层（神经元）组成，摄取数据并将其传递给后续层，在此过程中调整神经元之间连接的强度（权重）。编码器组件输出对应于输入的编码矢量，而解码器编码输入矢量并预测下一个时间步输出。
至于上述谷歌趋势数据，研究人员用它来衡量人们在任何特定时间点对流感的兴趣。具体来说，他们在“流感”这个词的检索频率上进行了磨练，作为该模型的补充信息，这有助于补偿从流感样疾病原始数据当中获得的信息。总而言之，研究小组使用了六个州（纽约、俄勒冈州、加利福尼亚、伊利诺伊、德克萨斯和乔治亚州）未加权的流感样疾病感染者比例，这些州因其气候多样性而被选中。研究人员将这些数据与2010年10月10日至2018年12月30日（430周）的谷歌趋势数据相结合。大约67%的数据用于训练人工智能模型，37%用于测试。
研究人员警告说，峰值随着预测时间的增加而向下移动，因为无法从学习数据中准确预测峰值时间。然而，他们认为，添加一个领先指标（这些指标留给将来的工作）可以进一步提高预测准确性。
【来源：cnBeta.COM】
