Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Paragone del Google AI ed intelligenza umana per le previsioni di COVID-19

La malattia COVID-19, in primo luogo trovata in Cina nel dicembre 2019, è ancora una pandemia in corso. Da maggio-giugno 2020, facendo uso di intelligenza artificiale (AI), Google (Alphabet Inc.) sta fornendo le previsioni per lo scoppio COVID-19 in U.S.A. Similmente, il Giappone ha iniziato tali servizi dal novembre 2020.

Junko Kurita et al. dal Giappone ha paragonato le previsioni di Google AI ad un modello statistico da intelligenza umana e recentemente la ha presentate in un documento del medRxiv* della pubblicazione preliminare.

Curva epidemica, numero dei pazienti recentemente confermati ogni giorno e previsioni da Google AI ed il nostro modello statistico

Curva epidemica, numero dei pazienti recentemente confermati ogni giorno e previsioni da Google AI ed il nostro modello statistico. Credito di immagine: https://www.medrxiv.org/content/10.1101/2020.12.16.20248358v1.full.pdf

Gli autori sono regredito il numero dei pazienti di cui la data di inizio era il giorno t sul numero dei pazienti di cui la data di inizio di esperienza era priore i 14 giorni. Hanno avuti informazioni sui dati tradizionali di sorveglianza per le malattie infettive pediatriche comuni, compreso influenza e sorveglianza di prescrizione priore i sette giorni. Hanno predetto il numero dei pazienti di inizio per i sette giorni, futuro. Per concludere, hanno paragonato il risultato alla previsione AI-prodotta di Google.

In questo studio, hanno usato la tariffa di discrepanza per valutare la precisione di previsione: la somma delle differenze assolute fra i dati e la previsione si è divisa dal cumulo dei dati.

Gli autori trovano che la previsione di Google da correlare significativamente negativamente con i dati osservati reali. Tuttavia, il modello utilizzato in questo studio leggermente è correlato con i dati osservati, sebbene non significativo.

Nei termini assoluti, la tariffa di discrepanza della previsione di Google era 27,7% per la prima settimana, mentre la tariffa di discrepanza del modello utilizzato in questo studio era soltanto 3,47%.

È considerevole che questo risultato è sperimentale: la curva epidemica che mostra recentemente i pazienti di inizio non era fissa.„

Nel Giappone, Google ha cominciato fornire i simili servizi dal novembre 2020. Per tutte le informazioni sulle malattie infettive eccezione fatta per COVID-19, gli autori hanno usato la sorveglianza ufficiale nazionale della sentinella per le malattie infettive (NOSSID) e la sorveglianza di prescrizione (PS); cui sia disponibile per più di dieci anni prima dello scoppio COVID-19 hanno accaduto.

Nel sistema utilizzato dagli autori in questo studio, i numeri dei pazienti sono stati stimati dai numeri delle prescrizioni per gli inibitori della neuraminidasi, le droghe del virus di anti-varicella-herpes-zoster (VZV), le droghe antibiotiche, gli analgesici antipiretici ed i farmaci freddi dell'multi-ingrediente dalla prefettura ogni giorno. Gli antibiotici sono stati classificati in cinque tipi: penicillina, cephem, macrolide, nuovo quinolone ed altri.

Queste droghe sono state scelte per identificare i cluster dell'eruzione, della febbre, o dei sintomi digestivi per individuare gli attacchi di bioterrorismo, le malattie emergenti e l'intossicazione alimentare della massa. Presto dopo l'acquisto dei dati, è presentata su una pagina Web: http://prescription.orca.med.or.jp/syndromic/kanjyasuikei/

Hanno valutato la capacità premonitrice di due modelli dal coefficiente di tariffa e di correlazione di discrepanza fra le previsioni dai dati.

Gli autori hanno presentato la curva epidemica osservata da novembre e la loro previsione dal 20 novembre 2020. Egualmente hanno mostrato il numero degli argomenti recentemente confermati e della previsione di Google per quel numero.

Indicano che Google ha una correlazione negativa significativa ed il loro modello è correlato positivamente ma irrilevante. I risultati indicano che il modello era superiore a quello della previsione di Google AI in termini di tariffa di discrepanza e tariffa di correlazione, gli autori scrivono.

Mentre i coefficienti di correlazione sono per la valutazione, sono insufficienti per valutare i dati e la previsione di separazione di spazio. Indica semplicemente se i dati sono proporzionali oppure no. Tenendo questo presente, gli autori hanno adottato la tariffa di discrepanza per la valutazione della previsione.

La previsione di Google AI dipende dal modello matematico. Di conseguenza, probabilmente non può spiegare parecchi picchi dello scoppio COVID-19. I modelli matematici implicano che il picco sia raggiunto da immunità del gregge quando la percentuale di persone infettate è superiore a 1-1/R0.

Sullo studio di previsioni fatto nel Giappone da Google, i dettagli non sono stati rivelati. I picchi COVID-19 stavano rallentando o stalla durante il periodo ed il Giappone. Di conseguenza, gli autori ritengono che tutto il modello possa probabilmente predire facilmente i risultati. Questo studio valuta il modello di previsioni di Google AI per la sua potenza di previsione. Per contro, il modello statistico esaminato di questo studio può spiegare la seconda predizione del picco verso la fine di luglio - del modello epidemico.

Gli autori concludono che il AI non può predire l'intelligenza meglio umana, particolarmente nei periodi insoliti e provocatori, quale la pandemia corrente COVID-19. Dimostrano qui che il loro modello è più appropriato che googla, come evidente nello studio di primo settimana.

Avviso *Important

il medRxiv pubblica i rapporti scientifici preliminari che pari-non sono esaminati e, pertanto, non dovrebbero essere considerati conclusivi, guida la pratica clinica/comportamento correlato con la salute, o trattato come informazioni stabilite.

Journal reference:
  • Interim evaluation of Google AI forecasting for COVID−19 compared with statistical forecasting by human intelligence in the first week. Junko Kurita, Tamie Sugawara, Yasushi Ohkusa medRxiv 2020.12.16.20248358; https://www.medrxiv.org/content/10.1101/2020.12.16.20248358v1
Dr. Ramya Dwivedi

Written by

Dr. Ramya Dwivedi

Ramya has a Ph.D. in Biotechnology from the National Chemical Laboratories (CSIR-NCL), in Pune. Her work consisted of functionalizing nanoparticles with different molecules of biological interest, studying the reaction system and establishing useful applications.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Dwivedi, Ramya. (2020, December 22). Paragone del Google AI ed intelligenza umana per le previsioni di COVID-19. News-Medical. Retrieved on June 14, 2021 from https://www.news-medical.net/news/20201222/Comparing-Google-AI-and-human-intelligence-for-the-forecasting-of-COVID-19.aspx.

  • MLA

    Dwivedi, Ramya. "Paragone del Google AI ed intelligenza umana per le previsioni di COVID-19". News-Medical. 14 June 2021. <https://www.news-medical.net/news/20201222/Comparing-Google-AI-and-human-intelligence-for-the-forecasting-of-COVID-19.aspx>.

  • Chicago

    Dwivedi, Ramya. "Paragone del Google AI ed intelligenza umana per le previsioni di COVID-19". News-Medical. https://www.news-medical.net/news/20201222/Comparing-Google-AI-and-human-intelligence-for-the-forecasting-of-COVID-19.aspx. (accessed June 14, 2021).

  • Harvard

    Dwivedi, Ramya. 2020. Paragone del Google AI ed intelligenza umana per le previsioni di COVID-19. News-Medical, viewed 14 June 2021, https://www.news-medical.net/news/20201222/Comparing-Google-AI-and-human-intelligence-for-the-forecasting-of-COVID-19.aspx.