各位朋友們、同學們，大家晚上好。今天在特殊的時期，首先向所有戰斗在一線的醫護人員致敬，希望我們能在很快時間共渡難關。

人工智能在各行各業被廣泛應用

今天我帶來的話題是“AI助力抗疫”。人工智能是第四次工業革命核心驅動力量，人工智能技術其實已經在各行各業廣泛地開始應用起來。新技術的使命是要為人類服務的，在這一次新冠病毒帶來的這場疫情抗疫過程中，我們看到大數據和人工智能技術也帶來了很多作用。在抗擊一線，有很多人工智能和大數據所帶來的新產品和解決方案確實也發揮了很多作用。

疫情分析——大數據技術在疫情分析管理中起到重要作用

首先，大數據技術在疫情分析的管理中，起到了重要作用。通過數據分析的能力，我們能夠了解到整個疫情的發展態勢，追蹤人群流動情況，能夠對有關機構從大數據分析角度給予輔助決策的幫助。在很多大規模重復性有接觸風險的場景下，篩查工作是必不可少的。AI測溫可以提供免接觸的測溫能力，在人群密集的情況下，能夠追蹤人群當中是否有體溫超過了安全線的人；智能語音對話系統，也在代替我們的社區人員進行大量的尋訪和隨訪工作，大幅提升了我們在排查工作中的效率；醫學科研方面，AI也在為病毒檢測、藥物研發等領域提供著新的工具，帶來效率的提升。我今天的分享會圍繞這三方面展開。

    首先，我們看看大數據技術在支持疫情科學防控方面的作用。從群體分析的角度來說，傳統的流行病分析預測當中，會采用很多的病例數據來進行分析，比如說確診的、疑似的，或者是密切接觸的，人群流動和接觸是帶來疫情變化非常重要的因素。通過百度地圖上的時空大數據，分析和預測疫區人員的流動趨勢，能夠識別出重點城市和區域。我們通過對人群的整體性流動分析技術，能夠知道，比如說在武漢和湖北，在春節前向外流出的人群走勢，流向了哪些重點城市和區域，進而向相關機構提供決策的輔助幫助，能夠去分析未來一段時間內疫情的發展態勢，能夠開展相應的管控措施，以及儲備相應的醫療物資。

    對于個體來說，在這次整個抗疫過程中，風險人員的識別是非常重要的。因為這次病情傳播力非常強，潛伏期非常長，在傳統方法當中，會進行當面的、面對面的訪談去了解人員的流動情況，而實際上這樣的方法有三個缺點；首先，它非常耗費時間和人力。第二，這種訪談不一定完全真實可靠。第三，很多潛伏期人員和密切接觸者可能都不一定知道，自己到底在什么時候和患者有過接觸，有可能是在同一個超市買了菜，或者一起乘坐了一輛公交車，或者說在一個餐館吃了飯。像這些數據，通過大數據的分析，能夠盡可能追蹤到每一個人的親密接觸人員。通過這樣的分析之后，我們得到了親密接觸人員的流向和數據，也能夠為整個疫情的管控和治理提供非常強的支持幫助。可以看到，在地域遷徙上，百度地圖推出的遷徙畫像，能夠看出全國的人員流動情況，以及高速路網實時監控，能看到整個宏觀的交通情況，在春運這樣一個特殊時間段內，我們能夠看到宏觀人員的流動變化。今天，已經進入到復工復產的狀態，也能夠提供給復工復產相應的信息和決策的幫助。

    剛才所講述的都是偏向于群體和宏觀的，對于個人防控來說，其實每一個人也會需要有貼心的防疫功能。舉兩個例子，一個是疫情小區地圖，一個是發熱門診地圖。這些都是在百度地圖上開放給用戶使用的，基于地圖上的大數據進行了智能預測。智能預測確診人員所在小區周圍，有哪些地方是有可能產生人員聚集的高危地區，提供給用戶之后，能夠提高民眾的聯防聯控意識，避免民眾再進入到高危地區當中，能夠使得整個抗疫過程深入到基層開展。

    百度的時空大數據技術，從技術邏輯上來說，最底層是有大量的基礎數據，在時空大數據上，我們對人類社會、信息空間、物理世界進行了三元描述。在進行了大量時空模型的建模，通過算法組建支撐到上面的應用，百度的大數據應該說是積累了超過10年的時間，非常廣泛的、大量的數據，而這些數據本身具有非常強的移動互聯網屬性及高精度屬性。一方面是時空大數據所提供的更宏觀的分析和支持，另一方面我們也可以通過互聯網產品上的用戶需求對民眾的關注點進行分析，舉個例子：首先，我們可以通過對大數據的分析，去時刻追蹤大家所關心的科普話題都有哪些。比如說，從穿戴防護的科普問題當中可以看到，排在第一位的是口罩多久更換一次，還有像消毒防護的科普問題、傳播方式科普問題，以及癥狀判別的科普問題，我們將這樣一系列的數據分析結果提供給中國疾控中心，可以針對大眾所關注的疫情問題給予權威的科普素材跟進，使得民眾可以在自己最關心的話題上得到解答。

已經進入到了復工復產階段，通過大數據對疫情所產生的產業影響關注，也可以看到在不同地區，疫情對不同行業所造成的影響。不同地區的人們關注度是不一樣的，我們通過地域將人群劃分之后可以看到：珠三角地區疫情對制造業的影響關注度非常高；長三角、京津冀地區疫情對房企的影響關注度很高；京津冀地區對在線教育的關注度都很高。這些地區，大家普遍的反映是疫情對餐飲業的影響是非常一致的。另外，對疫情期間復工的人們關注度也能看得到，返程復工，感染肺炎是否算工傷，以及疫情對失業的影響，其實都是民眾關注非常高的話題。在不同地區也有不同表現。所有的分析當中，我們發現，蘇州對幾乎所有的復工復產相關話題關注度都非常高，所以在整個復工復產當中，可以對蘇州投以更多的關注和支持。以上是大數據技術在疫情分析方面的應用和作用。

篩查管理——AI可替代大規模、重復性、有接觸風險的篩查工作

    在篩查管理方面，我們在很多人流密集的地方，比如說像機場、地鐵、火車站等等，隨著返程復工高峰的到來，相信有越來越多的人在公共場合不斷出現。在公共場合上，我們配備了一些測溫的措施，但是傳統額溫槍測溫的速度還需要時間，特別容易造成人群密集的地方產生更多人的等待，容易產生更多交叉感染的可能性。百度推出的多人體溫快速檢測解決方案，是希望在這樣的場合，在一定的區域范圍類有一臺AI測溫儀，能夠通過遠程識別對這個區域進行監控。它的工作方法是通過紅外測溫傳感器監測一片區域，可以去識別出來有體溫可能超過了標準的人。下一步會經過人臉檢測找到和跟蹤相應人員，這時工作人員就可以去進行下一步的確認和識別。

    在這套方案當中，其實可以做到識別的精度，最佳精度是1至2米。可以達到免接觸的測試，識別準確率整體有90%以上，每分鐘最大通行人數達到了200以上。我們看一看AI測溫背后的技術，除了紅外的分析，還有人臉識別技術。這里需要對人臉的關鍵點進行精準定位，包括到臉頰、眉、眼、口、鼻等人體五官及輪廓的150個關鍵點。在這樣一個特殊時候，很多行人都是佩戴著口罩，我們也剛剛開源發布了口罩識別的模型法，其的算法可以在佩戴口罩情況下，依然可以對人臉有非常精準的檢測能力。同時，經過（12：43英文）的模型小型化的技術，使得模型在離線環境下，能夠在嵌入式設備上有10倍以上的速度提升，并且是無損的。所以，整套方案在公共場合里能夠免接觸進行快速地、準確地測溫工作。這套方案已經在北京地鐵站布下了19個檢測點。

    除了人群密集環境下的篩查，在整個抗疫過程中，一線社區工作人員也投入大量精力在不斷進行尋訪和隨訪。百度的應用對話技術服務，推出了智能外呼系統，能夠支持社區疫情快速地篩查和摸底。它包含有流動人員的排查、本地居民的排查和回訪，以及特定人群通知三項功能。可以像社區工作人員一樣，去不斷地給相應人員通過電話方式，進行排查和確認，并且可以把所有信息都能去智能地自動化、結構化下來，快速進行因襲的錄入。整個這樣一套系統，在日撥打數量上是大幅超出了人工排查能力；工作狀態上可以無任何影響因素標準化地執行任務；能夠在信息收集上高效率、高質量、直接地進行自動的記錄。這樣一套平臺已經在北京海淀上地街道辦、陜西西安、延安、上海寶山、浙江撫州瑞安市等10幾個地區在投入使用了。外呼的總量已經超過百萬次，整個這樣一套系統化大幅地提升了隨訪效率。

    能看到這樣一套系統背后的人工智能技術是有語音識別能力，自然語音理解能力及知識圖譜能力。這樣的技術系統，不單單是可以提供給社區作為外呼系統使用，在百度的語言與理解交互技術平臺UNIT上，也上線了疫情小助手技能，即可以通過防疫知識的知識圖譜構建，形成防疫知識的隨問隨答，對疫情信息也進行了官方權威數據的接入，可以實時地查詢，通過口語化的問詢能夠使普通的使用者也可以用非常方便的方式，快速獲取到疫情相關的各種各樣信息。

    在這樣的一個助手上，也可以幫助進行大量人群的每日重復收集匯總。在疫情當中，有很多每日重復不斷的信息匯總收集過程，通過人工智能技術，可以使這樣的工作效率大幅提升減少重復工作。看一看對話系統，做一個定制的對話系統其背后所需要的技術。從核心技術角度看，我們需要構建知識的建設和管理，能夠把相應的知識圖譜建設起來，尤其是在疫情的特定場景話題下，相關于疫情的所有知識體系要構建起來。還要有形成對話管理的能力，自然語言的理解能力，以及智能問答的能力。一套語音的交互系統，還需要語音語義的一體化集成框架，在這樣一套技術平臺上，我們可以快速搭建并通過對話方式提升效率系統。

    疫情期間，有溫度的智能機器人非常非常多。機器人本身的專注度非常高，它的工作狀態非常穩定，更關鍵的是它其實不需要和病患進行隔離，所以很多機器人在整個疫情期間，在為大家提供服務和幫助。相信隨著人工智能技術的發展，機器人的技術也會越來越成熟，未來會有越來越多的機器人能在關鍵時刻提供給我們更多的幫助。

醫學科研——AI可以為病毒檢測、藥物研發等領域提供高效工具

  還有一個也是我們非常關心的話題，醫藥的研發、疫苗的研發等有沒有可能更快速地產生出來，幫助我們渡過這樣一場疫情。我舉一個例子：這是百度推出的一個算法，應用于醫學科研，加速疫苗和病毒分析的RNA的二級結構分析算法。我們知道這一次引起肺炎疫情的冠狀病毒其實是和當年的非典病毒、流感病毒一樣是RNA病毒。RNA是一個單鏈結構，單鏈結構就會有更強的不穩定性，更強的變異性，以及在疫苗研發上會有更多的困難。RNA序列結構分析會在病毒研究當中非常重要，在2019年7月份百度提出并實現的Bioinfor的算法，可以將病毒的全基因組的RNA二級結構分析從55分鐘縮短到半分鐘以內，是在這一次冠狀病毒數據上得到的速度。這意味著，全基因組結構的分析會變得更快速實現出來，能夠有助于病毒的一系列分析工作，也有助于新型疫苗的研制過程，希望能夠對疫苗的研制帶來快速的幫助。

挑戰與發展空間

除了這些，其實還有很多AI技術在這次抗疫中起作用。比如說，像機器翻譯技術。在這次抗疫中，我們需要有快速能夠獲取大量不同語種素材和不同語種的研究報告。有一些國家也不斷輸出新的研究成果，百度的機器翻譯快速開發了面向醫療領域的定制能力，支持了抗疫支援者團隊去進行了大量文獻翻譯工作。當然這是一系列AI技術所帶來的幫助，對于AI技術來說，未來也依然存在著發展空間和挑戰。

    總結來說，我們從這次抗疫中也能夠看得到，在基礎數據平臺建設上還有很多工作需要開展。大數據分析技術在整個疫情治理當中所起到了一系列關鍵性作用，未來基礎數據的平臺需要進一步加強和夯實，并且做到大量數據之間的融會貫通及合理使用。我們可以看到一系列工作落地到真實應用場景當中，大型的工程系統支撐是非常重要的，以及人工智能技術之間跨技術融合解決場景問題，也都是非常關鍵的。像剛才所介紹過的AI測溫儀，就是有紅外的技術和AI的技術結合，而智能外呼系統本身就是語音理解及知識圖譜多個技術一系列的融合。

    在這個過程當中，百度的技術落地了多處，產生了大量的產品和解決方案。百度的人工智能技術總基礎層到感知層到認知層到平臺層，有一個全面的布局，它有多項AI技術，同時有AI安全保駕護航。這一系列技術，基礎是搭建在開源深度學習平臺飛槳上的。飛槳平臺是在框架層支持了開發、訓練、預測全方位的能力，并且開放有大量的多種模型庫，還有支持多個工具組件以及服務平臺。整個能力可以支撐我們在上面去開發很多的AI應用，也在飛槳平臺上已經服務了有150多萬的開發者，超過了6.5萬的企業，在定制化訓練平臺上已經發布了16.9萬的模型。今天，在這一系列平臺開放基礎上，過去一段時間，很多開發者也在進行著抗疫的產品和項目開發。百度大腦也為此制定了“AI開發者戰役守護計劃”，提供給開發者免費的資源配置，專項領域服務和深度技術支持，希望開發者能基于百度大腦開發平臺去開發更多的產品、去支持疫情的治理。在飛槳平臺上也提供了一系列的算力和代碼功能升級的支持，以及專家定向幫助，并且配套了免費的線上課程，從入門到實踐的全階段課程。我們希望通過這一系列工作，能夠支持抗疫的工作。

通過一線醫護工作人員的努力、社區工作人員的努力，使得我們這次疫情現在已經有非常好的控制狀態。從科技工作者角度來說，希望我們的工作能夠助力防控，能夠去為抗疫提供更多的幫助，同心共渡難關，謝謝大家。

主持人提問環節：

    主持人：非常感謝百度吳甜副總裁的分享。下面我們選取了兩個網友關心的問題，希望吳總具體給我們介紹一下。

    問題一：相比17年前，2003年非典時期的互聯網技術，這一次新冠肺炎疫情時期AI技術在防控中起到了哪些作用？

    吳甜：17年前的中國互聯網剛開始，還在發展的狀態，當時會用郵件、QQ等等這樣一系列早期的互聯網產品，那個時候整個互聯網上的信息和數據規模也還沒有現在這樣的龐大規模。可以看到，今天互聯網上產品產生的數據已經在為整個抗疫治理帶來非常大的幫助。除了已經介紹過的像大數據分析帶來的支持，以及各種AI能力、AI技術所帶來的新產品，其實還有像在線的互聯網醫院，在這次抗疫當中也在為廣大民眾提供非常多的在線醫療服務。現在，互聯網上也有辟謠平臺，為大家識別真相給到了很多的幫助。

    整體來說，大數據技術、人工智能技術等等一系列技術的發展，已經帶給我們非常多的幫助，也希望能有更大作用。

  問題二：這次疫情是否給人工智能技術帶來新的挑戰？比如，是否暴露出現在人工智能技術的一些瓶頸，有哪些問題是現在還沒有辦法解決的，未來需要進一步努力的？

    吳甜：像剛才介紹到的，已經有很多技術為這次抗疫帶來了幫助。但其實也有很多挑戰和發展空間。總結來說，基礎數據平臺的建設會是我們努力的方向，大型的工程系統支撐，跨AI技術之間的融合，面向場景解決場景問題，這些方面都是未來還有很大發展空間的。

    公開課錄播視頻觀看鏈接:https://url.cn/5iFsFuU?sf=uri

（如需轉載，請注明來源：中國互聯網協會）