בינה מלאכותית בימי קורונה

מיועד ל- כל אחד (כתבה לא טכנית)

נכתב על ידי tomer peled

איך חוקרי בינה מלאכותית נחלצים להציל את העולם

מי שעבד בתעשייה הביטחונית יודע שבימי מלחמה או מבצע גדול עוברים לנוהל “מאמץ מלחמתי”. פרויקטים בשלבי פיתוח או הוכחת היתכנות עוברים נוהל מזורז של מעבר לייצור וניסוי או שימוש בשטח, הצבא משחרר תקציבים ומצמצם בירוקרטיה, האדרנלין שוטף את העורקים וכולם מתגייסים ללילות לבנים של עבודה במטרה להציל חיים.

עתה כל תושבי העולם מוצאים את עצמם במלחמה על החיים, והפעם האויב הוא וירוס הקורונה: COVID-19 בעל הפוטנציאל לסכן את חיי  עשרות מיליוני אנשים ברחבי העולם כולו ראו טבלה השוואתית. 

מפתחי בינה מלאכותית שרגילים לשנות את העולם בעזרת כלים רבי עוצמה שהלכו והתעצמו בעשור האחרון ולשפר את איכות החיים של מיליוני אנשים בעזרת מוצרים ופתרונות מכל תחומי החיים. לא יכולים לעמוד מנגד ולא לנסות ולרתום את העוצמה שבידיהם למלחמה באוייב החדש.

אם אתה מתעניין בבינה מלאכותית, מתלמד או מפתח מנוסה. ולא יכול לעמוד מנגד כשחיי עשרות מיליונים מונחים על הכף. הנה כמה רעיונות שייתנו לך השראה ואפילו נקודת פתיחה איך לתת כתף למאמץ העולמי במלחמה נגד הוירוס המסוכן ביותר שאיים על בני אדם במאה השנים האחרונות.

החל במינוף המוטיבציה שיש בכל אחד מאיתנו כדי להרחיב את הידע והמיומנות שלנו בתחום הבינה המלאכותית

דרך פתרונות להבנה סטטיסטית של מודל התפשטות המגפה ואיך ליישם את מודל התפשטות הקורונה כדי לבלום את הוירוס עם מינימום נזק לכלכלה ועד לחיפוש תרופות וחיסונים בעלי פוטנציאל להתמודד עם הקורונה.

הבלוג החינוכי YouTube – 3 Blue 1 Brown מעביר בצורה אינטואיטיבית רעיונות מתמטיים, אם תרצו להבין למה COVID-19 מתפשט באופן אקספוננציאלי, למה זה בהכרח יגרום לכם להיות מופתעים או מבוהלים מהחדשות ומה זה אומר לשטח את העקומה אז במיוחד בשבילכם הוכן הפרק: גידול אקספוננציאלי ומגפות.

בסופו של דבר אם רוב האוכלוסיה “תזכה” בהזדמנות להידבק בקורונה מי שיחלה לא יוכל להידבק שוב (לפי התיאוריה הרווחת) ויווצר “חיסון עדר” – מצב בו מי שיחלה יתקשה למצוא מישהו להדביק אותו. 

אם תרצו להרחיב, אז בפרק המשך סימולציה של מגפה , תמצאו תשובה על שאלות כמו – במצב סגר איך ישפיעו חריגות אקראיות או אפשרות להידבקות אקראית בנקודה משותפת כמו סופרמרקט ועוד. כולם מודגמים בעזרת סימולציות פשוטות  (הקוד זמין ב GitHub אם כי לא מסודר, והסימולציות פשטניות ונועדו למטרה לימודית בלבד)

דוגמא לסימולציה של 3 מצבים בהם חולים מועברים לבידוד ב 0%, 80% ו 100% מהמקרים וההשפעה על גרף כמות הנדבקים מתוך :

3 Blue 1 Brown

ראו קישור ל:  YouTube  Simulating an epidemic / 3Blue 1 Brown    

פרופ’ ערן סגל ופרופ’ בנימין גייגר ממכון ויצמן, בשיתוף עם פרופ׳ יובל דור מהאוניברסיטה העברית בירושלים ובהתייעצות עם רופאים בכירים ממשרד הבריאות. פיתחו שאלון אנונימי מקוון הכולל שאלות על המיקום הגיאוגרפי המדויק, גיל, מין ודיווח על תסמינים הקשורים למחלת הקורונה (COVID-19) כפי שדווחו בספרות הרפואית. אלה משמשים בסיס נתונים למודל חיזוי מוקדם של צבירים (clusters) של התפרצות המחלה. ובכך משלימים את התמונה המתקבלת מבדיקות מעבדה שאינן זמינות ברמה מספקת. השיטה תהווה כלי שבעזרתו משרד הבריאות יוכל להחליט באילו אזורים להחמיר ובאילו אזורים להקל בצעדים של ריחוק חברתי.

פרופ’ אמנון שעשוע פיתח מודל לניהול קרב הבלימה מול COVID-19 שמרחיק ראות מעבר לסגר הראשוני שהונהג בישראל ובוחן איך יוצאים מהסגר וחוזרים להניע את גלגלי הכלכלה. 

שעשוע מנצל את העובדה שניתן לחלק את האוכלוסייה לאוכלוסיה בסיכון גבוה – בהתאם לגיל ומחלות רקע לאוכלוסיה בסיכון נמוך, כדי להציע תוכנית שמאזנת בין הצורך הרפואי להציל חיי אדם לבין הצורך הכלכלי להחזיר את המשק למסלול ולמנוע קריסה כלכלית.

שעשוע מציע מודל שבו סגר על כלל האוכלוסיה משתחרר בהדרגה, תחילה משוחררת מהסגר האוכלוסייה בסיכון נמוך ומאפשרת לרב המשק לחזור למסלול, בשלב זה אנשים בסיכון נמוך ידבקו בווירוס אבל מאחר ואחוז החולים הקשים יהיה נמוך, מערכת הבריאות תוכל להכיל את החולים הקשים ולתת להם מענה. לאחר שיושג “חיסון עדר” של קבוצה זו תשוחרר בהדרגה האוכלוסייה בסיכון גבוה. עד אז יגדל הסיכוי לפיתוח חיסון או תרופות.

ללא שינוי התנהגות האוכלוסיה סגר מתמשך לכלל האוכלוסיה המודל המוצע - מבוסס הסיכון לאוכלוסיה
ללא סגר: מערכת הבריאות לא תעמוד בקצב החולים הקשים ותקרוס.  (טראמפ: נייצר חצי מיליון מכונות הנשמה)

עם סגר ממושך: צפי של חודשים רבים, וכניסה למיתון כלכלי עמוק.

 הפתרון המוצע ע”י שעשוע: שיחרור מוקדם מהסגר של האוכלוסיה בסיכון נמוך.

* Images taken from :Can we Contain Covid-19 without Locking-down the Economy? / Amnon Shashua

גישה זו משלימה לשתי גישות אחרות. הקלה ע”י בידוד של חולים מאומתים ושל אנשים שבאו עימם במגע. וסגר על אזורים וערים ואפילו מדינות. סגר כזה יעיל בבלימת ההתפשטות אך לא מונע גל שני עם פתיחת הסגר.

לקס פרידמן (הוגה דעות מתחום הבינה המלאכותית) סוקר 7 תחומי חיים בהם COVID-19 תוקף את יסודות החברה האנושית, איך אפשר להילחם בהם ולצאת מחוזקים.

הוא מתייחס ל- ביולוגיה ורפואה, פסיכולוגיה, חברה, כלכלה, פוליטיקה, קיום המין האנושי ופילוסופיה.

הוא נוגע בין השאר בתחומי אתיקה רלוונטים לבינה המלאכותית כגון איך נלחמים ב- Fake News, איך מנתבים את הלחימה בוירוס הרחק מגזענות ודעות קדומות אל עבר שיתופי פעולה ואיחוד כוחות של החברה ושל עולם המדע והטכנולוגיה.

האתר Kaggle המפגיש בין בסיסי נתונים ואתגרים לבין מפתחים העלה בסיס נתונים למקרי קורונה בעולם המתעדכן באופן שוטף ומציג את מספר הנדבקים, המחלימים והמתים בכל מדינה.

האתר גם העלה בסיס נתונים ואתגר למפתחים הכוללים 47,000 מאמרים בנושא ו-10 שאלות מחקר כגון: מה ידוע לנו על ההדבקה, הדגירה והיציבות של הוירוס ? מה גורמי הסיכון לחולים ? ועוד.  במטרה להנגיש עבור חוקרים בתחום ניתוח שפה טבעית (NLP) את ה-data הנחוץ כדי לענות על השאלות הפתוחות שעל הפרק.

בלוגר YouTube שמנגיש בינה מלאכותית להמונים (וכדי שזה יהיה בכיף, אז בקצב הראפ)  הוא – Siraj Ravel . Siraj סקר מאמצים של קהילת הבינה המלאכותית לפיתוח חיסון ותרופה, ובקורס מזורז לפיתוח תרופות מבוססות Antibody בליווי מקורות שימושיים, שלח את הצופים בבלוג להתמודד על אתגר לפיתוח תרופה ל COVID-19.  שלושת הזוכים זכו בפרסים של עד 1500$.

ועוד הזדמנות ללמוד משהו חדש תמצאו בבלוג PyImageSearch המציע בסיס נתונים ו Tutorial לגילוי קורונה מתוך צילומי רנטגן של חזה, מתוך הנחה שצילומי רנטגן זמינים בכל בית חולים בעוד הזמינות של בדיקות קורונה מוגבלת. (המטרה כאן היא לימודית וכפי שמדגיש הבלוגר אינה ברמה מחקרית)

הרחבה נוספת על התחום ניתן למצוא בפוסט של Wim Naudé –

Artificial Intelligence against COVID-19: An Early Review  הבלוג סוקר שישה תחומים בהם בינה מלאכותית יכולה לעזור. מה נעשה ומה עוד יכול להעשות בתחומים: 1. התרעה מוקדמת.  2. מעקב ותחזיות. 3. לוחות נתונים ויזואליים. 4. איבחון ופרוגנוזה. 5. טיפול וריפוי. 6. בקרת התנהגות המונים.

הערות:

  • הכותב אינו מהתחום הרפואי ולכן כתבה זו אינה מקור למידע על קורונה. לפרטים על המחלה יש לפנות לאתר World Health Organization. או אתרים רפואיים מקצועיים.
  • טבלה השוואתית – מגיפות במספרים
מגפה קורונה שפעת ספרדית שפעת אבולה חצבת סארס
מקדם הדבקה 2~ 1.8 1.3 2 12-18 2-5
אחוז תמותה ~2-4% 2.5% 0.1% 50% ? 10%
אוכלוסיית העולם בזמן המגיפה [מיליארד] 7.8 1.8 – – – 6.4
מספר מתים (>120,000

14.4.2020)

 30-50 מיליון 389,000 12,900 400-500 בשנה 800
הערות סיכום הנתונים עוד הרחק לפנינו המגיפה הקטלנית ביותר במאה ה-20 התפרצות באפריקה מדי כמה שנים 733,000 בארה”ב בשנת 2000 לפני יישום  החיסון “קרוב משפחה” של הקורונה

הנתונים בטבלה מתוך:

 The coronavirus may be deadlier than the 1918 flu: Here’s how it stacks up to other pandemics/ CNBC

* לפי פרק הפודקאסט המגפה הלבנה / מינהר הזמן – השחפת הייתה המגיפה הקטלנית ביותר של כל הזמנים (במצטבר)

אם מצאתם שגיאה בנתונים אנא עדכנו אותי: tomer.peled.e@gmail.com

מקורות: