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 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. |
