研究人工智能工具的新工具

將來，類似的技術也可以用于預測CO-VID-19感染的浪潮。由于CO-VID-19是一種新型病毒，因此沒有用于訓練AI算法的歷史數據。Ning指出，仍然每天都在收集大量位置編碼的CO-VID-19數據。寧說：“隨著我們繼續研究CO-VID-19大流行，這可以使我們更快地訓練算法。"

得益于史蒂文斯理工學院研究人員開發的一種新的基于AI的預測工具，預測流感的爆發變得更加容易。

通過合并位置數據，AI系統能夠勝過其他-新的預測方法，準確性提高多達11%，并可以在15周之前預測流感爆發。

過去的預測工具試圖通過研究感染率隨時間變化的方式來發現模式，但是領導史蒂文斯研究的岳寧和她的團隊使用圖神經網絡將流感病毒感染編碼為相互聯-系的區域集群。這使得他們的算法可以找出流行性感冒感染從一個區域流向另一區域的方式中的模式，并且還可以使用某個區域中發現的模式來告知其在其他位置的預測。

計算機科學副教授寧說：“捕獲時空的相互作用使我們的機制能夠識別隱藏的模式，并比以往任何時候都更準確地預測流感的爆發。"“通過實現更好的資源分配和公共衛生計劃，該工具將對我們應對流感爆發的方式產生重大影響。"

Ning和她的團隊使用來自美國和日本的真實州和地區數據訓練了他們的AI工具，然后針對歷史流感數據測試了其預測。其他模型可以使用過去的數據提前一周或兩周來預測流感爆發，但是結合位置數據可以在幾個月的時間內進行更可靠的預測。他們的工作在第29屆ACM信息和知識管理會議的10月19日至23日會議記錄中進行了報道。

Ning解釋說：“我們的模型也非常透明-其他AI預測使用“黑匣子"算法，我們能夠解釋為什么我們的系統做出了具體的預測，以及它如何認為不同地區的疫情會相互影響。 。