根據鐘南山院士的最新預測，已經持續一個多月的新冠病毒疫情預計2月中下旬將出現峰值，4月左右全國接近平穩。

　　這意味著，這場沒有硝煙的戰爭我們仍舊不能放松，直到疫情徹底解除。

　　歷史經驗證明，控制傳染源、切斷傳播途徑、保護易感人群始終是最有效的防控手段。基于這三大原則，以及強于17年前的技術水平和診療手段，我們有信心贏得這場戰“疫”的最終勝利。

　　況且，除了科研人員和醫務工作者，今天我們在病毒防控名單上還發現了AI。

　　在全球范圍內，AI已然是最前沿的創新技術，但在這場突發的公共衛生事件中，我們看到AI已從云端“落地”。

　　舉兩個例子，一個是1月30日百度宣布開放LinearFold線性算法，該算法將此次新型冠狀病毒的全基因組二級結構預測從55分鐘縮短至27秒，提速120倍。另一個是浙江省疾控中心上線的自動化全基因組檢測分析平臺，基于阿里達摩院研發AI算法將原來數小時的疑似病例基因分析縮短至半小時。

　　更重要的是，AI防疫不僅表現在開放算法、算力上，在防控一線我們也能看到大量AI支援的“身影”。

　　此次新冠病毒爆發，科研、醫護人員與AI的協作也讓我們對戰勝疫情增加了一份信心。

　　一、走上抗擊疫情最前線：AI+醫療

　　AI+醫療的結合，是人工智能最重要的應用場景之一。在此次抗擊疫情的最前線，我們看到AI與醫療的結合也已有了很多重大突破。

　　2019年9月，Nature子刊上發表的一項研究顯示，研發新藥時利用AI算法，21天內就能夠設計出潛在分子架構，并在46天內完成初步生物學驗證。

　　擅長數據分析、文獻篩選的AI可以在前期藥物研發中大有可為，同時節約研發投入。更重要的是，它可以大幅縮短研發周期，讓我們在這場與時間和疫情的賽跑中，搶占先機。

　　此次新冠病毒爆發，在疫情防控的最前端——疫苗研發和疑似病例診斷上，我們都看到了AI的身影。

　　1、 AI助力疫苗研發、藥物篩選

　　2月4日，一篇刊登于頂級醫學期刊《柳葉刀》的文章表示，借助深度學習和知識圖譜，研究者發現經典JAK激酶抑制劑巴瑞替尼（Baricitinib）或可用于治療新型冠狀病毒肺炎。

　　而這次用于尋找潛在藥物的技術是BenevolentAI的知識圖譜。

　　這是一個大型的結構化醫藥信息倉庫，包括了大量使用機器學習抽取出來的連接關系。根據新冠病毒的特點，研究者使用該知識圖譜驗證可以幫助治療的藥物——即那些能夠阻斷病毒感染進程的藥物。

　　AI算法在新藥/疫苗研發領域的作用，正是提升效率。人工智能比傳統的方法更有優勢的地方，在于利用機器學習、人工智能的方法，能夠在在非常早期，對未來將會成為藥物的這些分子同時進行相對全面的判斷，也就能提前篩掉后續實驗會失敗的分子。

　　國內受到關注的案例就是我們上面提到的百度LinearFold線性算法。

　　根據世界衛生組織（WHO）資料顯示，引發此次疫情的病毒2019-nCoV，是一種具外套膜（envelope）的正鏈單股RNA病毒，RNA（核糖核酸）冠狀病毒，直徑約80～120nm。

　　確定此類疾病重要的檢測手段，便是通過核酸檢測方式提取疑似病例血液中核酸序列，并與目標病毒比對，即可基本確定有無病原體感染。然而，疑似病例的病毒樣本進行全基因組序列分析比對費時費力，而借助AI可代替人力完成初篩工作，大幅提高檢測效率。

　　百度LinearFold線性算法于2019年7月首次提出，該算法使得整序列、整基因組的RNA結構預測成為可能，也是RNA結構預測領域40年來第一次重大提速。

　　2020年1月30日，百度向科研機構免費開放了這項世界上現有最快的RNA結構預測網站及算法。

　　算力及算法對于疫情防控的重要性在于，新藥和疫苗研發期間需要進行大量的數據分析、大規模文獻篩選和科學超算工作。因此，我們看到百度之外，商湯科技1月24日為國家重點研發計劃首席科學家、中山大學藥學院羅海彬教授提供了算力支持；阿里云則是在1月29日宣布向全球公共科研機構免費開放一切AI算力。

　　2、 AI增加疑似病例篩查效率

　　對于疑似病例的篩查，AI也能提供行之有效的解決方案。

　　斯坦福開發了一個名為CheXNet的算法，能比放射科醫生更準確地確診肺炎。CheXNet是一個在ChestX-ray14中訓練的121層-卷積神經網絡，ChestX-ray14是截止至論文發表時公開的最大的胸部X光數據集。

　　該數據集有超過10萬張胸透X光圖，包含14種不同疾病的信息。

　　研究人員讓四名放射科醫師檢查一組胸部影像并進行診斷，并將診斷結果與CheXNet的處理結果相比。CheXNet不僅擊敗了所有的放射科醫生，還在發現肺炎的同時，證明了其他13種疾病的識別能力。

　　在RT-PCR檢測病毒核酸檢測中，前文我們講到的浙江省疾控中心自動化全基因組檢測分析平臺，基于阿里達摩院研發的AI算法，可將原來數小時的疑似病例基因分析縮短至半小時，大幅縮短確診時間，并能精準檢測出病毒的變異情況。

　　阿里方面稱，疫情發生后，達摩院算法專家顧斐博士第一時間針對新型冠狀病毒基因進行特征分析，并推出多個算法模型。在序列比對過程中，達摩院對算法增加了分布式設計，有效提升比對效率；在病毒序列拼接階段使用分布式設計的de Bruijn圖算法，變異病毒也能精準檢測。

　　浙江省疾控中心基因測序負責人孫逸博士表示，基于該平臺，未來還可以在短時間內將檢測范圍覆蓋整個確診病例，也為后續疫苗與藥物研發打下基礎。

　　二、助力基層疫情防控，防患于未然

　　如果你關注新聞，應該已經刷到了這樣一條新聞，在機場、火車站、地鐵等人流密集的公共場所，出現了AI測溫裝置或者紅外測溫。

　　它們的好處在于“無接觸測量”，以AI測溫來說，目前百度開發的AI測溫系統已經落地北京清河火車站。該系統利用非接觸、可靠、高效且無感知的方式，對體溫超出一定閾值的流動人員，系統會發出異常預警，并快速展示出體溫不在正常范圍的人員及溫度，遏制新型冠狀病毒在公共場所的傳播。

　　AI在疫情篩查管理方面，其優勢主要集中在可替代大規模、重復性、有接觸風險的篩查工作。體溫測量正是這樣一個大規模、重復性和有解除風險的工作，但眼下正處于疫情防控的重要階段，體溫測量也是其中最重要的環節之一，無法避開。

　　百度的AI測溫系統，綜合了圖像識別和紅外成像技術，可以基于人臉關鍵點檢測及圖像紅外溫度點陣溫度分析算法，對人流區域多人額頭溫度進行快速篩選及預警，具有檢測率高、速度快、靈敏度高的特點，可以很好的代替人工測溫。

　　在北京清河地鐵站，百度AI多人體溫快速檢測解決方案已落地19個檢測點，測溫誤差控制在0.05攝氏度上下，識別準確率達90%以上。

　　同樣，國內另一家人工智能公司曠視科技在疫情期間緊急研發的AI測溫系統也已在北京市海淀區政務大廳、部分地鐵站等試點正式投入使用。

　　據《人民日報》報道，曠視AI測溫系統采用“人體識別+人像識別+紅外/可見光雙傳感”的技術方案，支持大于3米的非接觸遠距離測溫，輔助火車站、汽車站、地鐵站、機場等高密度人員流動場景下的工作人員快速篩查疑似高溫人員。往來者無需停留和摘下防護工具也能實現快速篩查，且溫度檢測誤差在±0.3℃以內。

　　AI在疫情防控基層起到作用的另一個案例是助力社區防疫。眼下，社區基層的防疫工作，如疫情排查、流動情況摸查，是嚴防死守防止疫情蔓延的重點。如何提升效率、減輕基層社區工作人員的壓力，同時也幫助他們減少工作中交叉感染的風險？AI可以說幫上了大忙。

　　2月8日騰訊海納團隊上線了電子出入證功能，在疫情期間免費開放給全國所有小區使用。隨后海納團隊又推出“社區電子出入證+人臉識別門禁+無接觸自動體溫測量”一站式社區通行方案，并實時身份識別及預警記錄上報。

　　據不完全統計，截至2月18日，全國已有超過2000個小區通過海納配置和上線疫情防護菜單，與疫情相關的物業通知推送次數約1萬次，已觸達約730萬社區居民。

　　2月9日，《新聞聯播》對百度在疫情期間免費向全國疫情防控機構開放的智能外呼平臺進行了報道。報道稱，百度的智能外呼平臺系統讓社區疫情防控效率提升。

　　百度智能外呼平臺可提供流動人員排查，本地居民排查/回訪，特定人群通知三大場景的外呼服務。

　　該平臺具有批量一對一電話呼叫能力，一秒能撥出1500個電話，可以通過定向或隨機發起撥入居民電話，自動詢問并采集疫情信息分析，并生成觸達統計報告，還可以對居民進行疾病患教及防控指導。

　　使用該平臺基層醫護人員不用上門排查，有效避免了感染風險。更重要的，在該系統的輔助下，社區減少了排查時間，提高了疫情防控效率。

　　目前，百度智能外呼平臺已經在北京海淀上地街道辦、陜西西安、延安、上海寶山、浙江溫州瑞安市、福建福州倉山區等十幾個地區投入使用。

　　三、助力疫期生產生活學習穩步恢復，穩定經濟發展

　　眼下這個時期首要考慮的還是對疫情的防控，但同時也要在有限條件內盡最大程度不影響國民的正常工作、生活和學習。

　　自2月3日開始，不少企業就已選擇“云辦公”，把會議開在了釘釘、企業微信上。百度2月14日發布的《新型冠狀病毒肺炎搜索大數據報告-復工篇》顯示，近30天遠程辦公需求環比上漲663%，“云開工”成主流，“線上云辦公”以22%的比例成為中小企業近期最關注的內容之一。

　　2月8日，釘釘企業復工平臺正式上線，該系統打通了員工健康打卡和企業復工申請，幫助企業管理者一站式完成員工健康情況每日收集和復工申請，深受企業歡迎。

　　除了釘釘、企業微信等大家常見的遠程辦公軟件，疫情期間，百度也正式開放了智能遠程辦公平臺百度Hi，并免費為湖北等疫區企業提供高清音視頻會議、企業云盤、企業IM和應用中心平臺等多項服務。

　　百度 Hi 企業智能遠程辦公平臺基于百度成熟的語音、視覺和機器學習等 AI 技術，能夠支持50方在線高清語音電話、企業云盤加密傳輸、web 視頻會議等遠程辦公協同功能，具備智能、高效、穩定的特點，24小時不間斷支持遠程辦公。

　　除了“云辦公”，疫情期間不同于以往，就以電費為例。

　　1 企業階段性停產基本電費仍要交，電費成本過高造成虧損；

　　2 疫情過后訂單量激增，各產線同時開工，負荷過滿，如何調控？

　　3 特殊時期嚴控成本，能否降低電費支出及運維人員開支，節省每月固定成本？

　　對此，百度針對性地推出了智能電費優化服務——結合百度領先的行業及地域大數據、物聯網技術以及人工智能分析與預測算法，幫助制造類企業在零投入、零成本、零維護、零風險的情況下節省基本電費，并免費幫助企業逐步構建綜合能源管理系統，減少人員日常用能抄錄成本、指導工廠合理用能以達到真正的降本增效。

　　企業“云辦公”，學生“上網課”。在線教育在疫情期間一度成為學生群體的主要學習方式，2月17日，教育部推出的面向全國近1.8億中小學生、1千萬老師居家學習的“國家中小學網絡云平臺”正式開通。

　　而外界不知道的是，為了保證學生在線學習網絡的暢通，工信部部署百度等多家公司提供技術保障支持，協調7000臺云主機、90T帶寬，可供5000萬學生同時在線使用。

　　科大訊飛在疫情期間先后在湖北省武漢、襄陽、荊州等12個地級市免費提供了人工智能教育產品和服務。除了重點布局湖北省，訊飛還打造了不同區域的解決方案。目前，方案已經應用在全國19個省31個區域。

　　四、支援一線防疫工作，智能機器人/無人車找到落地新場景

　　為了減少接觸頻次、面積，盡最大限度減小交叉感染的可能，疫情期間無人車、無人配送等黑科技產品成為疫情防控的最有效手段。

　　無人駕駛近年來一直是非常熱門的前沿技術，而在疫情期間無人駕駛又成為最佳解決方案。為了應對疫情，2月10日，百度Apollo宣布將對服務疫情的企業免費開放低速微型車套件及自動駕駛云服務。

　　基于百度Apollo提供的技術，今年2月伊始，新石器、智行者、悟牛智能、中科慧眼等Apollo生態合作伙伴陸續奔赴抗疫前線，為疫區人民提供提供自動駕駛噴灑消毒、送餐、疫情監測等無人化服務。

　　疫情的黑云之下，“無人化服務”被外界視為阻斷疫情的有效手段，成為人民剛需。百度之外，普渡科技、高新興、賽特智能、高仙機器人、一清科技等企業也“不約而同”將旗下機器人發往疫區，提供配送、消毒、檢測等服務。

　　此前我們曾介紹過獵戶星空為北京大學首鋼醫院和火神山醫院捐贈的智能機器人，以及普渡科技、鈦米等企業推出的不同類型智能機器人。

　　以獵戶星空為例，這家公司生產的一款智能遞送機器人，由自主導航模塊及運輸箱體組成，可根據醫院需求分別執行遞送化驗單、藥物等工作，用機器人代替醫護過程中簡單但耗力的流程化工作，減輕醫務人員的工作量，避免醫護人員在遞送路上的感染可能。

　　在物流領域，疫情期間最惹人關注的恐怕就是京東物流旗下的無人快遞車了。尤其是頻繁被媒體報道的京東物流武漢仁和站，該配送站點距離武漢第九醫院這個疫區核心只有600米。疫情爆發后，這個站點幾乎支撐起了第九醫院醫療物資的配送工作，其中，無人車配送約占70%。

　　五、大數據分析助力政府、機構宏觀疫情分析，為公眾提供服務和科普

　　疫情前期，對于所有人而言新冠病毒都是一個陌生的詞匯，由此引發了大量謠言、偽科學流傳在網絡，隨著科研人員逐步攻克病毒，外界對其的了解也在加深。不過，我們也不能忽視，大數據分析在其中起到的作用。

　　舉個例子，百度地圖在疫情期間推出的遷徙大數據平臺，通過疫期人流的大數據分析，在為公眾提供參考的同時，也為政府、科研機構等掌握宏觀人員流動情況、進而相應進行疫情防控的部署和研究提供了輔助參考，可以說是本次抗擊疫情過程中相當亮眼的一大應用。

　　在面向大眾用戶層面，標記發熱門診和熱力圖，也是兩個非常貼心的功能。尤其是后者，熱力圖給出的城市當前人流量比較集中的地點，提醒用戶疫情期間盡量少出門或者改變出門計劃，防止交叉感染。

　　在對大眾普及病毒知識層面，大數據分析也發揮了很大作用。

　　令我印象深刻的是百度聯合果殼推出的搜索科普彩蛋，當用戶搜索野生動物或者野味時，一個特效彩蛋就會被立刻觸發。這一種野生動物的現狀、潛在危害、對于人類的積極意義、“不可食用”的標語等等提示信息，簡單幾秒就全部展現在面前，幫助你對它建立一個快速全面的認識。

　　還有在疫情早期，謠言眾多。百度利用大數據分析出國民最常搜索的問題，有針對性的聯合專家、機構、醫生進行科普問答，某種程度上來說，這些權威、及時的信息披露緩解了人們對未知病毒的恐慌。

　　以上只是這次疫情中AI參與進去的一小部分，但我們看到無論是前端的疫苗研發還是后端的社區防控，AI作為一種高效、準確的防疫手段已經起到了超出預期的實際價值。

　　從某種程度說，此次AI參與抗疫，是對其能力的一次綜合考驗，也是其在各個具體落地場景的一次大規模探索。

　　或許此前我們對AI的印象停留在黑科技、創新，并不知道在日常生活中還有如此多的應用。不過，可以預想的是，經過此次疫情，無論是大眾、政府、機構或是相關行業，對于AI的認知將會進一步提升，這也會推動AI在未來更多領域中得到應用。

　　最后，我想借理查德?普雷斯頓在《血疫》中的一段話作為結尾，“埃博拉曾在這些房間里興起，閃現身影，進食，然后回歸森林。它還會回來的。”

　　不是我們戰勝了病毒，而是病毒放過了我們。

　　人類，要學會敬畏自然。