Trójka badaczy zaapelowała do WHO i ONZ o rozluźnienie przepisów o ochronie prywatności i wykorzystanie danych przez sztuczną inteligencję. Twierdzą, że mogłoby to wspomóc wychodzenie z izolacji

Jak powrócić do normalności i odmrozić gospodarki, gdy spada fala zachorowań na COVID-19, a równocześnie nie dopuścić do drugiej fali pandemii i wzmocnić odporność tłumu? Czy odpowiedź znajdziemy dzięki sztucznej inteligencji?

Kluczowe jest mikrozarządzanie gospodarką i jej obywatelami, a sprostać temu potrafi SI – uważają trzej badacze. Jednym z nich jest Theos Evgeniou, profesor w Institut Européen d’Administration des Affaires (INSEAD), jednej z największych prywatnych szkół zarządzania i biznesu na świecie działającej we Francji, w Singapurze oraz w Zjednoczonych Emiratach Arabskich. Naukowcy apelują do światowych organizacji o dość kontrowersyjne podejście do regulacji dotyczących prywatności: w czasach zarazy restrykcje związane z ochroną danych powinny być rozluźniane.

„Deklaracja WHO lub ONZ o zakwalifikowaniu danej choroby jako pandemii, może być powodem do zawieszenia przepisów dotyczących prywatności, aby umożliwić dzielenie się anonimowymi danymi. W takich czasach wiele osób może być skłonnych do wyjątkowego i tymczasowego udostępnienia swoich danych, poprzez odpowiednie i bezpieczne kanały, dla modeli szkoleniowych, które mogą wspomagać polityczne decyzje mające poważne konsekwencje życiowe i gospodarcze. Jeśli tak się stanie, nowoczesna nauka o danych i sztuczna inteligencja mogą zrobić bardzo wiele, aby złagodzić skutki pandemii i przygotować nas do ograniczenia skutków następnej” – twierdzą badacze.

Przecież to potrafimy

Prof. Evgeniou stwierdził w artykule w Harvard Business Review, że stosując modele oparte na dużych zbiorach danych i modele predykcyjne SI można przyspieszyć proces łagodzenia skutków pandemii, oceniając każdą osobę na określonej skali ryzyka. To alternatywne podejście, które decydenci polityczni mogliby dodać do swojego arsenału w walce z zarazą, opiera się na technologii spersonalizowanych prognoz, która w ciągu ostatnich 20 lat zmieniła wiele gałęzi przemysłu. Przykład? Algorytmy i dane wykorzystywane np. przez Netflix w celu wypracowania rekomendacji, a także Ant Financial w Alibaba w celu złożenia wniosku o pożyczkę w czasie rzeczywistym czy rekomendacje Amazon. Z pomocą uczenia maszynowego i SI firmy napędzane danymi w usługach finansowych, podróżach, ubezpieczeniach, handlu detalicznym czy w mediach tworzą wysoce spersonalizowane rekomendacje, a także praktykują indywidualne ustalanie cen, ryzyka czy wysokości kredytów, wykorzystując zgromadzone dane o swoich klientach. Nie są to modele doskonałe, ale są powszechnie stosowane.

W przypadku zastosowania takiego zindywidualizowanego podejścia do ryzyka związanego z zarażeniem koronawirusem, jego skala byłaby mierzona przez to, z kim dana osoba ma kontakt i z kim mieszka, a także łączona z danymi medycznymi.

Bezobjawowi kontra zdrowi

Podejmowanie decyzji o tym, które osoby mogą wyjść z izolacji, jest z natury rzeczy problemem klasyfikacyjnym podobnym do problemów klasyfikacji znanych większości firm korzystających z danych. W przypadku indywidualnej oceny ryzyka związanego z koronawirusem jest podobnie: na przykład młody, mieszkający samotnie w kawalerce student, pracujący w niepełnym wymiarze godzin w supermarkecie i niepalący, może otrzymać niską ocenę ryzyka, podczas gdy nieco starszy sprzedawca detaliczny, który mieszka z leciwym krewnym wychodzącym na spacery, może być obarczony wyższym ryzykiem.

„Niektóre rządy już teraz zbliżają się do procesu usuwania izolacji poprzez zastosowanie wieku jako wskaźnika ryzyka, stosunkowo surowej klasyfikacji, która potencjalnie pomija inne osoby wysokiego ryzyka” – pisze prof. Evgeniou wspólnie z Davidem R. Hardoonem, starszym doradcą ds. danych i sztucznej inteligencji w UnionBank na Filipinach oraz Antonem Ovchinnikovem, wybitnym profesorem w Smith School of Business na kanadyjskim Queen’s University. Badacze uznają, że ponieważ około 90 procent osób zarażonych koronawirusem nie ma lub ma łagodne objawy, powinny one być w stanie wrócić do normalnego życia i pomóc rozwinąć odporność tłumu na zaraźliwego wirusa.

Kogo wyciągnąć do pracy?

Klasyfikacja w oparciu o dane i modele przewidywań SI może prowadzić do podejmowania decyzji o likwidacji ograniczeń bezpiecznie na poziomie indywidualnym i społecznym, co byłoby znacznie mniej kosztowne dla jednostki i gospodarki.

Deklaracja WHO lub ONZ o zakwalifikowaniu danej choroby jako pandemii, może być powodem do zawieszenia przepisów dotyczących prywatności, aby umożliwić dzielenie się anonimowymi danymi

Korzystając z wielu źródeł danych, modele uczenia maszynowego zostałyby wyszkolone do pomiaru ryzyka klinicznego danej osoby. Dane mogą obejmować podstawowe dane medyczne indywidualnej osoby (w przypadku Covid-19 nasilenie objawów wydaje się zwiększać wraz z wiekiem i obecnością współistniejących chorób, takich jak cukrzyca czy nadciśnienie), a także inne informacje, takie jak skład gospodarstwa domowego.

Podobne korzyści mogą przynieść strategie znoszenia izolacji na późniejszych etapach pandemii. Niektóre rządy już teraz są coraz bliżej (planują) zastosowania wieku jako wskaźnika ryzyka.

Teoretycznie, z wiarygodną prognozą, kim jest 90 procent osób bez objawów lub z łagodnymi objawami (z niskim ryzykiem klinicznym), można byłoby pozwolić im na rezygnację ze społecznej izolacji. Nawet gdyby zarażały się nawzajem, nie miałyby poważnych objawów i nie przytłaczałyby systemu medycznego. Pomogłoby to również w szybkim wykształceniu się wysokiej odporności tłumu, zatem w pewnym momencie pozostałe 10 procent pacjentów wysokiego ryzyka mogłoby zacząć topnieć.

A co z poważnie chorymi?

Kliniczne przewidywania dotyczące ryzyka mogą być wykorzystane do dostosowania polityki i alokacji zasobów na poziomie jednostki, np. gospodarstwa domowego, miasta, regionu i kraju. Mogłyby pozwolić na określenie rozmiaru ochrony osób o wysokim poziomie ryzyka klinicznego, a osobom o niskim poziomie ryzyka pozwolić na bardziej normalne życie. Naukowcy proponują wspólny model oparty na zbiorze danych o dziesiątkach tysięcy osób poważnie dotkniętych pandemią (tych, które wymagają oddziału intensywnej terapii), zrównoważony wieloma danymi o mniej dotkniętych chorobą, a jednocześnie wystarczająco duży, aby umożliwić pewien poziom spersonalizowanych prognoz, których jakość poprawia się wraz z dodawaniem kolejnych danych.

Zatem w czym problem?

W dostępności do całego mnóstwa informacji. „Nie mamy danych, które mogłyby nas poinformować, czy bezobjawowa osoba regularnie odwiedza osoby wysokiego ryzyka, a dane te mogą być trudne do zebrania w krajach o dobrze chronionych przepisach dotyczących prywatności i danych” – zauważają naukowcy.

Ten problem zostałby wyeliminowany, gdyby złagodzono przepisy dotyczące prywatności w czasie pandemii. Dlatego właśnie prof. Evgeniou, Hardoon oraz prof. Ovchinnikov wzywają Światową Organizację Zdrowia oraz Organizację Narodów Zjednoczonych do ogłoszenia zawieszenia dotychczasowych przepisów o ochronie prywatności oraz zezwolenie na przesyłanie danych na serwery w innych krajach.

Po utworzeniu dokładnego modelu można go zaimportować do innych krajów, które tego wymagają. Duże firmy technologiczne już wykazały pewne rozluźnienie w tej kwestii. Na przykład Google i Apple dostarczyły zachodnim rządom dane dotyczące lokalizacji obywateli. To, w połączeniu z tworzeniem przez rządy aplikacji śledzących osoby z chorobą, może dać sztucznej inteligencji szansę przewidzenia i spersonalizowania reakcji, jeśli koronawirus za jakiś czas powróci.

Skip to content