“AI” gặp khó trong dự đoán dịch Covid-19 vì sự hoang mang của người dân

Vì người dân đang rất hoang mang, nên hành vi trong việc tìm kiếm thông tin, cũng như mua sắm nhu yếu phẩm có thể vượt quá nhu cầu cần thiết, từ đó dẫn đến dữ liệu ảo.

Phương pháp dự đoán từng rất thành công với dịch cúm nhưng lại bó tay trước Covid-19

GS khoa học máy tính Roni Rosenfeld đến từ trường Đại học Carnegie Mellon là một chuyên gia dự đoán kịch bản cho các dịch bệnh. Trước đây, ông từng nổi tiếng với công trình dự đoán diễn biến dịch cúm mùa bằng trí tuệ nhân tạo (AI). Ở thời điểm hiện tại, trong bối cảnh Covid-19 trở thành đại dịch toàn cầu và đe dọa đến người dân trên toàn thế giới, GS Roni Rosenfeld lại bắt tay vào việc “viết kịch bản” cho dịch bệnh này. Tuy nhiên, ngay từ bước khởi đầu, GS Roni Rosenfeld mới nhận ra rằng, Covid-19 thực sự là một thách thức.

Mô hình dự đoán của GS Roni Rosenfeld về dịch Covid-19

“Trước khi tiến hành dự đoán kịch bản của Covid-19, tôi lại không nghĩ nó lại phức tạp và gây khó khăn cho thuật toán AI mà tôi đang sử dụng đến như vậy, bởi nó từng rất thành thành công với bệnh cúm” – GS Roni Rosenfeld cho biết.

Theo chia sẻ của vị GS này, hiện có rất nhiều người cũng đang thực hiện dự đoán diễn biến dịch, theo nhiều cách khác nhau. Đa số phương án tiếp cận được sử dụng là dựa trên những hiểu biết về cách dịch bệnh đang lây lan, để xây dựng nên mô hình dự đoán. Trong khi đó, phương án của ông là dựa trên nền tảng AI, tập trung vào các sự kiện trong quá khứ.

“Cách làm này từng rất thành công với bệnh cúm mùa, bởi tôi có nguồn dữ liệu được thu thập ở nhiều địa điểm khác nhau, trong khoảng thời gian trải dài đến 20 năm. Tuy nhiên, với Covid-19, chúng ta lại chưa hề có dữ kiện quá khứ nên phương pháp này hiện đang trở nên yếu thế” – GS Roni Rosenfeld phân tích.

Trước thách thức này, GS Roni Rosenfeld cho biết ông sẽ thay đổi chiến thuật và sử dụng một phương pháp gọi là “Trí khôn của đám đông”, ông nói: “Để thực hiện phương pháp này, trước hết ta cần tập hợp một số lượng người đủ đông, ít nhất ở mức vài chục người. Tiếp theo, cho những tình nguyện viên trả lời các câu hỏi cần thiết liên quan đến dịch bệnh để thu thập dữ liệu cần thiết, làm nguồn thông tin đầu vào cho AI”.

Cũng theo GS Roni Rosenfeld, cách dịch bệnh diễn biến phụ thuộc rất nhiều vào chính sách được cơ quan chức năng đưa ra, để kiểm soát dịch. Do đó, ông hướng đến việc thiết lập các dự báo ngắn hạn trong phạm vi từ 1 – 2 tuần.

Sự hoang mang của người dân khiến AI gặp khó

Chuyên gia này giải thích sâu hơn về phương pháp dự báo: “Có rất nhiều nguồn dữ liệu có thể được sử dụng cho việc dự đoán tình hình diễn biến dịch bệnh như: các thông tin trên mạng xã hội có đề cập đến dịch bệnh, tần suất tìm kiếm các cụm từ liên quan đến dịch bệnh trên google, tần suất truy cập vào các trang liên quan đến dịch bệnh trên Wikipedia hay các website chính thống, số liệu về việc mua bán các thiết bị phòng dịch như cặp nhiệt độ, khẩu trang, thuốc phòng bệnh. Những dữ liệu này đã được chúng tôi sử dụng rất hiệu quả trong phương pháp dự đoán cúm mùa. Tuy nhiên, thách thức với Covid-19 là cách phản ứng của người dân và cả hệ thống chính quyền có sự thay đổi rõ rệt vào từng thời kì của dịch. Lấy ví dụ điển hình là vào giai đoạn này, người dân đang rất hoang mang cho nên hành vi trong việc tìm kiếm thông tin, cũng như mua sắm nhu yếu phẩm có thể vượt quá nhu cầu cần thiết, từ đó dẫn đến dữ liệu ảo”.

GS Roni Rosenfeld nhấn mạnh rằng, việc người dân phản ứng thái quá với dịch ảnh hướng để mô hình dự đoán của ông thậm chí còn nhiều hơn các thông số nhiễu, bởi có nhiều giải pháp để loại bỏ nhiễu, trong khi hành vi được đề cập lại xảy ra một cách có hệ thống.

Được biết, hiện tại GS Roni Rosenfeld đang tìm kiếm những tình nguyện viên tham gia trả lời câu hỏi, để ông có thể thu thập đủ tập dữ liệu cho việc xây dựng mô hình dự đoán diễn biến dịch Covid-19 đảm bảo độ tin cậy. Những yêu cầu đối với tình nguyện viên cũng rất đơn giản: Máy tính có kết nối internet và có một chút thời gian rảnh.

Minh Nhật