More

    La importancia del distanciamiento social continuo: Inteligencia Artificial

    A medida que la pandemia del COVID-19 continúa sin cesar en todo el mundo, existe un deseo compartido. Éste es compartido por aquellos obligados a refugiarse en un sitio para ver en qué medida el distanciamiento social está frenando la propagación del virus. La importancia del distanciamiento social continuo: Inteligencia Artificial.

    Esto es comprensible. el daño colateral de los cierres comerciales impuestos por los gobiernos amenazan con devastar industrias enteras. A partir de la semana del 24 de abril, 26 millones de estadounidenses presentaron solicitudes de desempleo, según la Oficina de Estadísticas Laborales de EE.UU. El Fondo Monetario Internacional predice una crisis financiera global que rivaliza con la Gran Depresión.

    La Inteligencia Artificial nos avisa: El distanciamiento social continuo es lo más importante ahora mismo

    Afortunadamente, existe un estudio de publicado por investigadores de la Universidad de Texas, el Instituto de Investigación del Suroeste y el Centro de Ciencias de la Salud de la Universidad de Texas en San Antonio- Este implica que la cuarentena y el distanciamiento físico están teniendo los efectos deseados. Utilizando un sistema híbrido de IA denominado SIRNet y varios modelos epidemiológicos. Fueron entrenados en datos de ubicación de teléfonos móviles inteligentes. junto con esto, la densidad ponderada de la población y otros puntos de datos de la startup Safe Grapg, la OMS y los Centros de Control y Prevención de Enfermedades de EE.UU y otros lugares.

    Las personas pueden consultar las proyecciones de su estad en un sitio web publicado por el Consorcio de Modelado COVID-19 de la Universidad de Texas.

    La importancia del distanciamiento social continuo: Inteligencia Artificial

    Los datos de ubicación a nivel de país y estado de decenas de millones de teléfonos inteligentes ingeridos por el sistema de los investigadores se usaron para predecir la tasa de contacto. También una función de la densidad de población. Así como el movimiento y as interacciones entre las personas de una región. Esto se trazó contra los datos del recuento de casos de COVID-19. Específicamente un conjunto de series de tiempo que capturó casos activos, recuperados y fatales por coronavirus. Esto se hace a niveles variables de granulado geográfico.

    Algunos datos

    Los investigadores informan que, según los pronósticos proyectados dentro de tres semanas (el máximo del sistema), solo una continuación de la «movilidad a nivel de cuarentena» dará como resultado un bajo recuento de casos de COVID-19. Si las restricciones se redujeran alrededor de un 50%, el sistema proyecta que algunas comunidades alcanzarían el límite de los casos de picos estables. Aquí la curva de muerte permanecería en un pico bajo o aumentaría rápidamente. Y si el 75% de una población pudiera moverse libremente, el sistema predice que el resultado sería un pico ligeramente retrasado de aproximadamente 2/3 del pico máximo durante una movilidad del 100%. Esto es excepto en Corea del Sur.

    En el condado de Bexar, Texas, donde la movilidad al 11 de abril era aproximadamente del 50% de lo normal, la relajación de las medidas desembocaría en un crecimiento desbocado de muertes y contagios. Por el contrario, en el condado de King, Washington, donde hay ya fuertes restricciones, continuar con las medidas reduciría el número de muertes a casi cero en junio.

    Un modelo separado, publicado a principios de este año por investigadores de Microsoft, aprendió las políticas automáticamente. Las aprendió en función de los parámetros de la enfermedad. La infecciosidad, el período de gestación y la duración de los síntomas o la probabilidad de muerte son algunos ejemplos. En el transcurso de 75 simulaciones que duraron 52 semanas, se demostró que los gobiernos que bloquearon del 5% al 10% de las comunidades, experimentaron un pico más bajo de infecciones por COVID-19.

    Las predicciones son sólo eso: predicciones

    Estas predicciones parecen alentadoras. Sin embargo es importante tener en cuenta que incluso los mejores algoritmos, solo pueden aprender en base a datos históricos.

    «La precisión por sí sola no indica suficientemente como para evaluar la calidad de las predicciones». Esto lo escribió el autor del informe de Brookings. «Si no se maneja con cuidado, un algoritmo de IA hará todo lo posible para encontrar patrones en los datos que están asociados con el resultado que está tratando de predecir. Sin embargo, estos patrones pueden ser totalmente absurdos y sólo parecen funcionar durante el desarrollo.«

    Por otra parte, los modelos proporcionan una preponderancia de evidencia de apoyo de las políticas de cuarentena y distanciamento. Esto es incluso cuando estas políticas son de lo más criticado por la población.

    Últimos artículos

    Artículos relacionados