这些专家中有AI的数据科学家。毕竟，这类大型，大数据问题是人工智能应发挥的作用。但是AI科学家正为与医学界完全一样的未知数而苦苦挣扎-新型的“新颖”部分。

回到未来?不总是

AI和机器学习(ML)本质上是后向的。为了使它们按需工作，数据科学家必须对它们进行大量的历史数据培训。问题在于，对于像Covid-19这样的世界性大事件，我们的现实永远无法与用于训练算法的数据相匹配。

我们正在经历的一切都是前所未有的，无法预料的和不可预测的，并且未来充其量是朦胧的。我们都已经看到，不同的经济学家对于国家的经济复苏将“形成”什么样的观点持不同意见。那是因为我们正在经历的与众不同，以至于他们的模型不再适用。 但是，仅仅因为AI和ML尚无法为每个领域的近期或长期未来建模，并不意味着我们应该将它们搁置一旁。当AI和ML依靠现有数据进行未来预测时，他们处于最佳状态。但是，通过缩短这些时间范围，我们可以得到一个非常可靠的预警系统。

例如，由于ML非常擅长识别信息模式的统计变化，因此我们可以训练模型以监视全球新闻源中的趋势术语，这些趋势术语可能预示着突发事件，例如区域性呼吸道疾病病例的突然增加或即将来临的自然灾害。

人工智能和人类：共同进步

但是，虽然AI可以根据社交帖子或新闻条目识别提及的高峰或得出趋势，但他们的建议不能被视为福音。这是因为它们的建模是在真空中进行的-没有上下文，因果关系或定性分析。

为了从这些系统中获得最大收益，我们需要将它们与人员质量保证团队配对，该团队可以决定报告的数据是否代表突发，巧合，错误信息或需要采取的措施。

借助与AI协同工作的人员团队，您将获得一个更可靠的事件检测系统。可能发生的最糟糕的情况是，您会得到一个误报，然后可以将其误解或标记为进行其他监视，这比迟到该党并做出反应要好得多。

让我们来听听“现在”

仅仅因为AI不能准确或可行地告诉我们Covid-19对世界的长期影响，我们就不应轻视其价值。与其尝试将AI用作水晶球，不如将模型应用于实时数据的筛选以获取可采取的信息高峰。这可能意味着在我们看到相关症状激增的地区发出社交疏散或旅行警报，甚至将医疗资源引导到潜在受影响的地区。