基于集体智能多模型集成平台Bayes Cloud的埃博拉病毒病预测态势感知
人工智能
2019-05-07 v2 物理与社会
种群与进化
摘要
人类一直面临与传染病相关的众多挑战，其每年致死超过600万人。尽管持续努力减轻此类不幸事件的潜在损害，但无疑仍有许多持久挑战尚待克服。我们在此特别解决的相关问题是对此类疫情的评估与预测。在该研究领域中，传统与特设模型常无法提供恰当的预测态势感知(PSAW)，即以理解当前态势并预测未来态势为特征的能力。针对传染病的全面PSAW可支持决策制定并有助于阻碍疾病传播。本文中，我们开发一个聚焦于集体智能因果建模的计算系统平台，以支撑传染病领域的PSAW。全球疫情分析需要集成源自多个独立研究者的多种不同数据与模型。这些模型应被集成以从整体视角准确评估与预测传染病。该系统应提供三大主要功能：(1) 协作因果建模，(2) 因果模型集成，以及(3) 因果模型推理。这些功能由领域专家与人工智能(AI)在不确定性处理下提供支持。领域专家作为集体智能，开发因果模型并将其集成为一个联合因果模型。该集成因果模型应用于推理：(1) 过去，关于因果因素如何发生；(2) 现在，关于传播目前如何进行；以及(3) 未来，关于其将如何发展。最后，我们介绍一个埃博拉病毒病预测态势感知的用例。
引用
@article{arxiv.1904.12958,
title = {Predictive Situation Awareness for Ebola Virus Disease using a Collective Intelligence Multi-Model Integration Platform: Bayes Cloud},
author = {Cheol Young Park and Shou Matsumoto and Jubyung Ha and YoungWon Park},
journal= {arXiv preprint arXiv:1904.12958},
year = {2019}
}