7月10-11日，2020世界人工智能健康雲峯會召開。作為世界人工智能大會雲端峯會的主題論壇之一，健康雲峯會以“智聯世界·共享健康”為主題，由“1個開幕式+3場專題論壇+1場特色會議”構成，聚焦“AI+健康”“AI+公共衞生”“AI+醫療服務”“AI+生物醫藥”“AI+醫療標準規範”等熱點話題。
在“AI+公共衞生”分論壇上，復旦醫學院吳凡副院長、華山醫院張文宏教授，以“AI如何助力全球應對突發公共事件”為主題，展開了一場高峯對話。
關於AI在這次戰疫中的作用，張文宏表示：“應對傳染病的核心就是快，大數據最重要的作用就是給我們提供了可以操作的時間窗口，在疫情早期快速追蹤到密切接觸者和感染者。像很多國家疫情過了平台期，每天新增十幾萬感染者，雖然大數據可以追蹤到，但具體做事的還是人。所以我認為技術雖然很有用，但僅僅是工具，將來可以對技術充分利用，但不能迷信技術論。”
吳凡也表示：未來，人工智能除了關注人口數量，還應該更關注行為，人流都去了哪裏、幹了什麼、社會交往模式。以及怎麼讓防控措施走在疫情前面，讓措施更加科學精準，這些靠的就是大數據、人工智能和專家的經驗結合。
以下為張文宏、吳凡現場對話內容，雷鋒網作了不改變原意的編輯及整理：
Q：非常榮幸跟兩位戰"疫"雙俠進行對話，北京這段時間來來回回出現了疫情波折。吳凡院長能不能從大數據角度分析，傳染病智能預警有什麼成效？未來的抗疫有什麼意義？
吳凡：已經有很多的應用。舉個例子，醫院發現傳染病以後，診斷的都是單個病人。這些報告如果沒有大數據智能分析動態感知，A醫院報一個，B醫院報一個，很難發現其中關聯。
有了大數據之後，首先對於不同地方的散落病例，就可以發現關聯情況，第一時間動態感知爆發或者聚集感染的情況；
另外，通過大數據對病例進行深入發掘，分析病例發生時間、空間以及氣象、像2013年上海的禽流感，就發現和農產品市場存在關係；
最後在醫院上報以後，還可以通過大數據進行深入分析，例如和哪些傳染病相關，甚至還可以模擬疫情的走勢，需要在哪些關鍵環節進行預警防控，未來還有很多應用，特別是人工智能，不斷給它數據就會變的越來越聰明，今後也就會收穫更好的效果。
Q：現在全球很多醫療機構和科研院校都在進行數據分析，利用普惠型的數據構建自己的模型，但是其中像哈佛大學醫學院的構建模型方法就受到了廣泛的質疑，您認為在構建前瞻性預測模型中，應該怎樣把數據來源，數據變量跟最終結果的相關性和因果性建立聯繫，從而保證構建的模型更科學、更接近於現實？
吳凡：特別強調的一點，並不是有了這些數據，機器都能夠解決問題，那還要人幹什麼。人和機器、大數據應該是變量的關係。
像新冠肺炎，英國帝國理工按照上海人口密度和人員流量，預測應該會發生80萬感染者。但實際本土病例只有341個人，這就呈現出幾何數量級的差異。那麼，既然都是應用傳染病動力模型，為什麼會有這麼大的差異呢？
Q：原因是什麼？
吳凡：主要就是因為人，傳染病在不同地區出現不同的流行態勢，不同的參數，主要就是人的供給不同。
例如在上海，因為同樣這麼多人，在美國的兩千萬人分佈會非常遠，而上海兩千五百萬人的接觸就非常密集，人和人的接觸不僅要利用傳染病動力模型預測，還要再加上神經網絡模型。
而且人工行為模型往往和傳播動力存在很大差異，對於不同情況和模式的界定，以及參數的給定和設置都需要經驗，要不然要專家幹什麼，之後在科學經驗的基礎上輸出的參考值才是準確的。
那麼國內的預測是什麼情況呢？
1月10號，我參加的北京預防醫學會的醫學專家就有一個專門的模型預測組，當時我們預測2月底，全國感染者可能會接近七萬九千多，而實際2月29號，全國的感染數量是八萬多一點，已經非常準了。
這個模型預測結果的準確性，對於後續物資準備、方案制定都有重要的作用，因為具體實施的政策要既不反應過度，還要反應恰當，過度也是對資源的浪費。
此外，因為各個地區的狀態存在比較大的差別，我們按照地區分成了三個預測模型，首先針對武漢的流行爆發態勢設計了第一種模型；武漢以外的湖北境外設計了第二種模型，中國除湖北以外的其他省份又準備了第三種模型。
在分成三種模型以後，就可以很容易知道哪些地方，今後可能是流行病重點地區，哪些地方缺醫少藥，需要更多醫療資源準備，哪些地方在應對新冠上存在優勢。這些都對國內的戰疫效果起到了關鍵的作用。
Q：您講到大數據、人工智能對於抗疫過程中都起到了很好的醫學支撐作用。那麼像之前的武漢、和這次北京突然發生的情況，對於那些確診患者的溯源，大數據技術具體是怎樣實現的？
吳凡：關於疫情溯源，我們本身就有一個實踐案例。上海市科委在疫情發生後專門成立了流行病學研究課題。具體利用來自復旦大學公共衞生學院、上海市公共衞生中心和華山醫院的確診數據和復旦大學大數據研究院的AI算法，構建了一個溯源模型。
發現確診病例之後，最重要的就是馬上找到病人從哪裏來，在14天之內和哪些人有過接觸，之後要把密接者管理起來，這樣如果密接者真的被感染，密接者就沒有密接者了。可以在人羣和感染者之間豎起一道防護牆和安全帶，整個過程需要非常快的速度，否則疫情就會蔓延。
但這個過程並不容易，許多情況下並不是因為密接者的撒謊，而是許多密切接觸者並不知道自己和感染者有過密切接觸，例如在超市，公共車上等場所，大家存在比較多的接觸，但彼此並不認識，也不知道彼此是否被感染。
我們在應用溯源大數據方法之後，則可以快速把這部分人界定出來，對他進行及時管理。現在這個方法已經在上海市防控中得到應用。
3月18號，在和美國公共衞生學院院長的溝通中，他們就覺得，將近三千萬人口的大城市才三百多例。背後除了醫務人員的奉獻，更重要的是科技支撐。
Q：您剛剛講到，同一種動力模型，不同的人運用就會得到不一樣的結果，背後存在經濟結構、社會結構、人口結構等不同依據，尤其是流行病學當中的流動狀態。那麼人工智能和大數據技術，對於後疫情時代的人口科學合理流動有什麼作用呢？
吳凡：目前這個技術已經開始使用。例如説武漢的防控，從現實數據的角度來看，在武漢2月3號封城前，就出去五百多萬人，這些人很可能攜帶了病毒。
但我們把這些武漢流動出的人口，和流入當地的報告確診情況比對中，經常會發現一些流動大的地方，沒有報告出很多的感染者。
這並不是模型預測的不準確，而是因為報告的確診數字和當地的診斷、排查策略存在巨大的關係。
那些沒有達到、和預測不匹配的地方，一定是當地診斷能力、政策落實出現了問題。這時候國家成立的督導組，就可以依照這個數據對症下藥，保證各省的疫情狀況都可以及時干預。
當然這是過去的案例，在未來的角度，我們認為人工智能的應用角度，除了關注人口數量，還應該更關注行為，人流都去了哪裏、幹了什麼、社會交往模式是什麼樣。還有上海前段時間的復工、復產之後疫情趨勢預測。怎麼讓防控措施走在疫情的前面，怎樣讓措施可以科學精準，我覺得這些靠的就是大數據、人工智能和專家的經驗結合。
Q：科學的精神就是智能精神。張文宏教授，您是否質疑吳凡院長的觀點？
張文宏：我不質疑，但並不因為她是我的領導，因為領導在觀點上是可以討論的。
我認為，她今天已經把AI，以及大數據的精髓都講到了，這些措施正是下一步流行病學防控的核心。雖然核心有了，技術有了，但是能不能實現還要打個問號。
像現在，同樣的技術能力、面對同樣的情況，但是在各個國家就會出現很大的差別。背後的原因什麼？因為傳染病的傳播是指數級的上升，一旦過了平台期，通過人力就已經無法追蹤了。
就像吳院長説的，應對傳染病的核心就是快，大數據使用最明顯的案例就是北京最近的這次疫情，在早期使用大數據進行防控，效果大家也已經看到了。
但反過來，如果速度慢了，指數值一上去，超過平台期，像現在很多國家每天新增十幾萬感染者的情況，雖然大數據可以追蹤到這些人，但具體做事的還是人，依靠人力已經無法完成這個事。
所以，精髓就是早期使用大數據，給我們提供了可以操作的一個時間窗口。這次上海、中國抗疫成功的關鍵就是應用了很多科技，這些科技最核心的作用，就是幫我們把握住了這個時間窗口期。
所以我認為技術很有用，但僅僅是工具，將來在技術應用中可以充分利用，但是不能迷信技術。
Q：張文宏教授可不可以介紹在臨牀一線中，人工智能等技術還有怎樣的應用？
張文宏：大數據臨牀應用目前還有很多障礙，並不像流行病學領域那樣應用那麼多，主要的問題並非技術本身，而是數據啓動權限問題。
Q：大數據的產權不歸你。
張文宏：就是這個原因，而且大數據應用的情況，每個國家之間還有很大的差別。從流行病學角度，當然是希望拿到更多數據，比如現在的影像AI。對於片子，AI一下就能分辨出來哪個是流感，哪個是新冠，但這是依靠大量數據訓練出來的。
像這樣的大數據應用已經做到非常棒的效果了，但如果啃一口西瓜就停下來了就很糟糕，像這次的新冠肺炎，影像表現和以前完全不一樣，所以未來一定需要新的大數據應用。
Q：這個過程，您擔心自己會被替代掉麼
張文宏：在中國從來不擔心，因為中國的醫生要做的事情太多了，我們反倒覺得像歐美才有這樣的擔心。因為大數據裏面很多idea開始都是在歐美產生，但最後反倒中國應用的更快，他們反倒成為大數據、人工智能的用户。
吳凡：AI輔助診斷的方法，現在確實在應用，而且我覺得對於貧困地區缺醫少藥的特點，大數據的方法的診斷速度會更快。
張文宏：水平甚至比85%的醫生要高。
Q：靠譜的醫生和普通醫生區別在哪裏？
張文宏：靠譜醫生在大數據出現意外情況之後，還可以依靠自己的經驗判斷，而且可以依靠自己邏輯不斷產生新數據，人工智能雖然可以不斷學習，在每個階段都能做出新的判斷，但醫療不是圍棋，人工智能在這裏面不能產生新的數據，還要依靠人。
吳凡：背後主要是因為圍棋是一種算法，可以迅速計算出來下一步的可能性。但臨牀並不是這樣，發展變化非常迅速，有時候診斷並不是依靠某種算法，需要依靠經驗。
張文宏：比如像病人的問診，我在臨牀上不太主張用大數據進行替代，因為這是人與人之間的交互過程，我寧可把機會給護士或者是年輕人。
Q：這是為了保就業嗎？
張文宏：難道説AI的作用就是取代掉問診，現在從北京到上海可以拿到所有的病例數據，那麼人就可以被AI取代掉嗎？
我認為現在大數據的發現存在兩個錯誤的觀念：
首先，AI並不是取代人的，這樣做是沒有意義的，未來人肯定不是什麼都交給機器做。所以我個人認為大數據將來的發展，一定使我們更加精準的，在某些方面進行賦能，而不是取代我們，取代毫無意義。
馬克思説過，人到共產社會，勞動會成為人的需要，大數據的發展難道是剝奪一種需要？我覺得大數據的方向就是為我們做增量，但很多時候都歪掉了。
其次，發展趨勢追逐利潤，追逐利潤是錯的，大數據的發展必須跟人類長遠發展方向保持一致，才是盈利的目標，而為了成本，一步步利用大數據把人取代掉，全是錯的，大數據的發展一定要跟人類使命，命運共同體保持一致，如果不一致或者只追逐利潤，我個人覺得一定會失敗。
Q：如果不追逐利潤資本不進入了。
張文宏：沒有一樣東西的發展最終沒有錢賺的，我也絕不相信，哪種人類的必須品，沒有經濟投入就永遠沒有盈利的可能。未來，只要是人類終極發展所必須的就一定會盈利，否則就説明這個東西根本不靠譜。
吳凡：在這個方向上我也是同意張教授，我覺得大數據的發展方向跟人類終極命運的捆綁一定是一致的。為人類做貢獻是必須方向，最後的有收益也是必須方向。
但我也有一點補充，我覺得機器不是取代人，人類要努力的方向還有很多，機器可以去做那些人類大腦不可觸及的地方。
因為人的大腦，因為教育背景、知識背景、知識體系、經驗存在很多邊界，而且生命也是有限的。但是機器可以把我前面人類的智慧疊加在一起，這是人腦所不可及的。給機器提供數據的也不是一個醫生，而是很多很多醫生的經驗、智慧集合在一起。
這就會出現一種可能性，人解決不了的問題，機器可以依靠這些疊加的智慧和很多無限的潛力，幫人類去完善。所以我覺得未來不是機器取代人，也不是人利用機器，而是人和機器完美結合，大數據、人工智能和人完美結合。
例如，鄉村醫生知識不夠的情況，就可以用機器取代人，可以將常見病、多發病的解決問題交由機器來完成，而人來解決疑難雜症、併發症的問題。但是最後的簽字確認還是由人來完成，因為需要人對機器診斷的結果進行肯定，否知出現診斷問題、機器出錯誰來負責，誰來解決差錯後的糾紛和法律問題層面。
Q：在剛才的討論中，我們對人類的未來還是充滿敬畏之心的，認為人的認識和知識還是不斷髮展的過程，那麼未來面對諸如新冠肺炎這樣，新的疾病，會出現哪些新的科技來解決？
張文宏：人工智能最終方向是服務人類。我在想未來人類的發展是無限的，但因為科技的爆發過快，特別人工智能這種後時代的科技，我覺得以後的新一次革命發展會走到哪裏，我真的很難想象。但是將來科技的發展一定是對人類存在敬畏之心，我認為你指出了人類的發展方向。
吳凡：我覺得人工智能的未來發展有幾個方面需要注意：
首先，發展方向的把握，為人類貢獻的同時，要保證不會傷及人類的利益，這些利益就包括個人的隱私，發展過程中是否在不斷侵犯人類的隱私。
其次像國外開展的癌症基因測序，在給每個人評估未來的風險之後，那些高風險的人羣在投保過程中一定會帶來保險歧視，但是他們也無法改變自己的基因。
最後，指揮權的問題，未來是人控制機器，還是機器過於聰明超過人類，這也是全世界所關注的。我相信未來會有更多人工智能、大數據的技術服務人類，但是一定要警覺，需要進行有邊界的意識控制。
Q：有邊界的限制非常重要，最後希望張教授給大家講一下，後疫情時代個人應該需要採取怎樣的防護措施？
張文宏：總書記説過抗疫是人類的命運共同體，疫情沒有徹底消失之前，對於國內偶發的疫情趨勢，一定要保持平常的心態去對待。
在這個過程中，快速啓動應對措施，精準實施防控措施會非常重要。任何一個城市出現疫情，無論是單發還是小規模爆發，越早精準防控，越快實施動作，對全國的影響也就越小。
未來，在疫苗出來之前，還要做好個人防護，防護越好受疫情波及就越小，整個社會就可以發展越好。此外在防控的同時還要保護經濟。例如今天智能大會，所有都通過網絡，這麼大的展覽中心，卻沒有聽眾。很難想象對經濟的影響會有多大。
所以要一手抓疫情，一手抓經濟，否則，經濟衰退死亡人數一定會超過新冠肺炎。雷鋒網雷鋒網