Pandēmijas superzvaigznes datu zinātnieka Youyang Gu mācības

Ms Tech | Pieklājības foto

Datu zinātnieks Jujans Gu uzskata sevi par reālistu — viņš to deklarē savā Twitter profils : objektīvu uzņemšanu prezentētājs. Reālists.

Kad viņš pagājušajā pavasarī pamanīja izkaisītās Covid-19 prognozes — viens modelis paredzēja 2 miljonus ASV nāves gadījumu līdz vasarai, bet otrs paredzēja 60 000 — Gu apšaubīja, vai tas ir tik labi, cik modelēšana varētu būt. Viņš nolēma pats izveidot Covid-19 modeli. Mans viss mērķis bija izveidot pēc iespējas precīzāku modeli, saka Gu no sava dzīvokļa Manhetenā. Nav “ja tas” vai “ja tas”. Būtībā nav “ja”. Nav īsti svarīgi, kādi ir scenāriji. Es tikai gribēju to izklāstīt: 'Šī ir visticamākā vai reālākā prognoze par to, kas notiks.'

Nedēļas laikā viņš izveidoja mašīnmācības modeli un laida klajā savu Covid-19 prognožu vietne . Viņš vadīja modeli katru dienu — tas aizņēma tikai vienu stundu viņa klēpjdatorā — un publicēja Covid-19 nāves prognozes 50 ASV štatiem, 34 apgabaliem un 71 valstij.

Saistīts stāsts

Vai Covid var izraisīt autoimūnu slimību mūža garumā?

Pieaug pierādījumi, ka dažiem cilvēkiem Covid infekcijas rada autoantivielas, kas vērstas pret ķermeņa orgāniem. Ja tā ir taisnība, daudziem tas var nozīmēt ilgstošas ​​​​slimības un ciešanas.

Aprīļa beigās viņš piesaistīja uzmanību — galu galā viņa vietni katru dienu pārbaudīja miljoniem cilvēku. Vašingtonas universitātes bioloģijas profesors Karls Bergstroms to ievēroja un komentēja Twitter ka Gu modelis izteica prognozes, kas šķiet tikpat labas kā visas, ko esmu redzējis.

Es varu būt mazliet ML skeptiķis. Taču šajā gadījumā neļaujiet tekstam “mašīnmācīšanās” likt jums domāt, ka tā ir čūsku eļļa, tviterī ierakstīja Bergstroms.

MIT absolvents ar maģistra grādu elektroinženierzinātnēs un datorzinātnēs (plus grāds matemātikā), 27 gadus vecais Gu, pandēmijas laikā strādāja pie sporta analītikas starta. Taču viņš šo pasākumu apturēja, jo tika slēgts augstākās līgas sports. Un tad, vienkārši googlējot epidemioloģiju, viņš sāka savu iebrukumu Covid-19 modelēšanā.

Viņš saka, ka man nebija nekādas pieredzes infekcijas slimību modelēšanā. Taču viņam bija dažu gadu pieredze kā datu zinātniekam finanšu jomā, strādājot ar statistikas modeļiem — modeļiem, kas, pamatojoties uz noteiktiem statistikas pieņēmumiem, analizē datus un veido prognozes par, teiksim, kur būs akciju cena nākotnē. .

Izrādās, ka liela daļa infekcijas slimību modelēšanas pamatā ir statistiskā modelēšana, saka Gu. Un finanšu nozares uz peļņu orientētais precizitātes mērķis viņam labi kalpoja epidemioloģiskajā jomā. Ja jūs nevarat izveidot precīzu modeli finanšu jomā, jums vairs nebūs darba, viņš saka. Turpretim akadēmisko aprindu mērķis — vismaz no Gu perspektīvas — nav tik daudz izveidot precīzus modeļus, bet gan publicēt rakstus un informēt par valsts politiku. Tas nenozīmē, ka viņi neizgatavo precīzus modeļus — tikai to, ka tie netiek īpaši optimizēti precizitātei, viņš saka.

Gu modelī ir apvienota mašīnmācīšanās ar klasisko infekcijas slimību simulatoru, ko sauc par SEIR modeli (ko nosaka indivīdiem, kuri ir uzņēmīgi, pakļauti iedarbībai, infekciozi, atveseļojušies vai izņemti nāves dēļ).

SEIR komponents kā ievadi izmanto simulētu parametru kopu — vislabāko uzminēto mainīgo lielumu diapazonu, piemēram, reprodukcijas pamatskaitli (ātrums, kādā jauni gadījumi rodas pilnīgi uzņēmīgā populācijā uzliesmojuma sākumā, pirms iejaukšanās vai imunitātes). , inficēšanās biežums, bloķēšanas datums, atkārtotas atvēršanas datums un efektīvais reprodukcijas numurs (jaunu gadījumu skaits pēc dažām iejaukšanās). Runājot par rezultātiem, SEIR simulators vispirms aprēķina infekcijas laika gaitā un pēc tam aprēķina nāves gadījumu skaitu (infekcijas reizinot ar infekcijas mirstības līmeni).

Pēc tam Gu mašīnmācības slānis ģenerē tūkstošiem dažādu kombināciju šīm parametru kopām, mēģinot atrast reālās dzīves parametrus katram ģeogrāfiskajam reģionam. Tā uzzina, kuri parametri rada visprecīzākās nāves prognozes, salīdzinot SEIR prognozes ar reāliem datiem par ikdienas nāves gadījumiem no Džona Hopkinsa universitātes. Tā mēģina uzzināt, kuras parametru kopas rada nāves gadījumus, kas visvairāk atbilst faktiskajiem novērotajiem datiem, atskatoties atpakaļ, saka Gu. Un tad tā izmanto šos parametrus, lai prognozētu un prognozētu nāves gadījumu skaitu nākotnē.

Prognozes izrādījās ļoti precīzas. Piemēram, 3. maijā viņš parādījās CNN Šovakar un dalījās ar viņa modeļa prognozēm, ka ASV sasniegs 70 000 nāves gadījumu 5. maijā, 80 000 nāves gadījumu 11. maijā, 90 000 nāves gadījumu 18. maijā un 100 000 nāves gadījumu 27. maijā. 28. maijā viņš tvītoja , covid19-projections.com visi 4 datumi ir precīzi pareizi. Ar nelielu noapaļošanu tā bija taisnība.

Es nesaku, ka pagājušajā gadā esmu bijis ideāls. Esmu kļūdījies daudzas reizes. Bet es domāju, ka mēs visi varam iemācīties pieiet zinātnei kā metodei patiesības atrašanai, nevis pašai patiesībai.

Jujans Gu

Modelis, protams, nebija ideāls, taču tas iespaidoja Nikolasu Reihu, biostatistiķi un infekcijas slimību pētnieku Masačūsetsas Universitātē Amherstā, kura laboratorija sadarbībā ar ASV Slimību kontroles un profilakses centriem, apkopo rezultātus no aptuveni 100 starptautiskām modeļu komandām. Reihs novēroja, ka starp visiem apkopotajiem modeļiem Gu modelis vienmēr bija viens no labākajiem.

6. oktobrī Gu publicēja savu pēdējo nāves prognozi tieši pirms rudens viļņa. Modelis paredzēja, ka līdz 1. novembrim ASV būs 231 000 nāves gadījumu. Kopējais reģistrētais līdz šim datumam: 230 995.

Gu slēdza savu pirmo modeli oktobra sākumā, jo tajā laikā bija daudz komandu, kas veica labas nāves prognozes. Tā vietā viņš pievērsās patiesu infekciju modelēšanai salīdzinājumā ar ziņotajām infekcijām. Un tad decembrī viņš sāka izsekot vakcīnu ieviešanai un nenotveramajam pat h ganāmpulka imunitātei — ko 2021. gada sākumā viņš pārskatīja, lai virzītos uz normālu. Tā kā ganāmpulka imunitāte tiek sasniegts, ja pietiekama iedzīvotāju daļa ir imūna pret vīrusu, tādējādi ierobežojot tālāku izplatību, Gu definē normālu kā visu ar Covid-19 saistīto ierobežojumu atcelšanu lielākajā daļā ASV štatu.

Saistīts stāsts

Kā mazs mediju uzņēmums palīdz cilvēkiem vakcinēties

Tā kā daudzi cilvēki Ņujorkā joprojām cīnās, lai saņemtu vakcīnas pret Covid, viens vietējais biļetens ir bijis vakcīnu sabiedrotais.

Kļuva skaidrs, ka 2021. gadā mēs nesasniegsim ganāmpulka imunitāti, vismaz noteikti ne visā valstī, viņš saka. Un es domāju, ka ir svarīgi, it īpaši, ja jūs mēģināt iedvest pārliecību, lai mēs veiktu saprātīgus ceļus, kad mēs varam atgriezties normālā dzīvē. Mums nevajadzētu to piesaistīt nereālam mērķim, piemēram, sasniegt ganāmpulka imunitāti. Joprojām esmu piesardzīgi optimistisks, ka mana sākotnējā februāra prognoze par normālu atgriešanos vasarā būs spēkā.

Marta sākumā viņš pilnībā iesaiņoja veikalu — viņš uzskatīja, ka ir devis visu iespējamo. Es gribēju atkāpties un ļaut citiem modelētājiem un ekspertiem darīt savu darbu, viņš saka. Es nevēlos jaukt telpu.

Viņš joprojām seko līdzi datiem, veic pētījumus un analīzi — par variantiem, vakcīnas ieviešanu un ceturto vilni. Ja redzu kaut ko īpaši satraucošu vai satraucošu, par ko, manuprāt, cilvēki nerunā, es noteikti to publicēšu, viņš saka. Bet pagaidām viņš koncentrējas uz citiem projektiem, piemēram YOLO akcijas , akciju biržas analīzes platforma. Viņa galvenais pandēmijas darbs ir Pasaules Veselības organizācijas Covid-19 mirstības novērtēšanas tehnisko padomdevēju grupas loceklis, kurā viņš dalās savās ekspertu zināšanās.

Pagājušajā gadā es noteikti esmu daudz iemācījies, saka Gu. Tas ļoti atvēra acis.

Nodarbība #1: Koncentrējieties uz pamatiem

No datu zinātnes viedokļa mani modeļi ir parādījuši vienkāršības nozīmi, kas bieži tiek novērtēta par zemu, saka Gu. Viņa nāves prognozēšanas modelis bija vienkāršs ne tikai pēc konstrukcijas — SEIR komponents ar mašīnmācīšanās slāni, bet arī tā ļoti samazinātā, augšupējā pieeja ievades datiem. Viņš saka, ka “no apakšas uz augšu” nozīmē, ka jāsāk ar kauliem minimumu un jāpievieno sarežģītība pēc vajadzības. Mans modelis izmanto tikai pagātnes nāves gadījumus, lai prognozētu nākotnes nāves gadījumus. Tas neizmanto nevienu citu reālu datu avotu.

Gu pamanīja, ka citi modeļi izmantoja eklektisku datu dažādību par gadījumiem, hospitalizāciju, testēšanu, mobilitāti, masku lietošanu, blakusslimībām, vecuma sadalījumu, demogrāfija , pneimonijas sezonalitāte, ikgadējais pneimonijas mirstības rādītājs, iedzīvotāju blīvums, gaisa piesārņojums, augstums virs jūras līmeņa, smēķēšanas dati, pašnodarbinātie kontakti, aviosabiedrību pasažieru satiksme, aprūpes punkts, viedie termometri, Facebook ziņas, Google meklēšana un daudz kas cits.

Pastāv uzskats, ka, ja modelim pievienosit vairāk datu vai padarīsit to sarežģītāku, modelis darbosies labāk, viņš saka. Bet reālu vārdu situācijās, piemēram, pandēmijas gadījumā, kad dati ir tik trokšņaini, jūs vēlaties, lai lietas būtu pēc iespējas vienkāršākas.

Es jau agri nolēmu, ka pagātnes nāves gadījumi ir labākais nākotnes nāves prognozētājs. Tas ir ļoti vienkārši: ievade, izvade. Pievienojot vairāk datu avotu, būs grūtāk iegūt signālu no trokšņa.

2. nodarbība: samaziniet pieņēmumus

Gu uzskata, ka viņam bija priekšrocības, pievēršoties problēmai ar baltu lapu. Mans mērķis bija vienkārši sekot datiem par Covid, lai uzzinātu par Covid, viņš saka. Tā ir viena no galvenajām priekšrocībām, ko sniedz nepiederošā skatījums.

Bet, tā kā Gu nav epidemiologs, viņam bija arī jābūt pārliecinātam, ka viņš neizdara nepareizus vai neprecīzus pieņēmumus. Mans uzdevums ir izveidot modeli tā, lai tas varētu apgūt pieņēmumus manā vietā, viņš saka.

Kad parādās jauni dati, kas ir pretrunā ar mūsu uzskatiem, dažreiz mēs mēdzam ignorēt šos jaunos datus vai ignorēt tos, un tas var izraisīt sekas, viņš atzīmē. Es noteikti esmu kļuvis par tā upuri, un es zinu, ka arī daudzi citi cilvēki.

Tāpēc ir ļoti svarīgi apzināties mūsu iespējamo neobjektivitāti un apzināties to, kā arī spēt pielāgot savas prioritātes — pielāgot savus uzskatus, ja jauni dati tos atspēko — ir ļoti svarīgi, jo īpaši tādā strauji mainīgā vidē kā tas, ko esam redzējuši saistībā ar Covid. .

3. nodarbība: pārbaudiet hipotēzi

Pēdējo dažu mēnešu laikā esmu redzējis, ka ikviens var izvirzīt pretenzijas vai manipulēt ar datiem, lai atbilstu stāstījumam par to, kam viņš vēlas ticēt, saka Gu. Tas uzsver, cik svarīgi ir vienkārši izvirzīt pārbaudāmas hipotēzes.

Man tas ir viss manu prognožu un prognožu pamats. Man ir pieņēmumu kopums, un, ja šie pieņēmumi ir patiesi, tad mēs prognozējam, ka tas notiks nākotnē, viņš saka. Un, ja pieņēmumi galu galā ir nepareizi, tad, protams, mums ir jāatzīst, ka mūsu pieņēmumi nav patiesi, un attiecīgi jāpielāgo. Ja neizvirziet pārbaudāmas hipotēzes, tad nav iespējams parādīt, vai jums tiešām ir taisnība vai nav taisnība.

4. nodarbība: mācieties no kļūdām

Ne visas manas prognozes bija pareizas, saka Gu. 2020. gada maijā viņš prognozēja, ka līdz augusta sākumam ASV būs 180 000 nāves gadījumu. Viņš atceras, ka tas ir daudz augstāks nekā mēs redzējām (bija aptuveni 155 000 nāves gadījumu). Viņa pārbaudāmā hipotēze izrādījās nepareiza, un tas lika man pielāgot savus pieņēmumus.

Tajā laikā Gu izmantoja fiksētu infekcijas mirstības līmeni aptuveni 1% apmērā kā konstanti SEIR simulatorā. Kad vasarā viņš samazināja infekcijas izraisīto mirstības līmeni līdz aptuveni 0,4% (un vēlāk līdz aptuveni 0,7%), viņa prognozes atgriezās reālākā diapazonā.

5. nodarbība: iesaistiet kritiķus

Ne visi piekritīs manām idejām, un es to atzinīgi vērtēju, saka Gu, kurš izmantoja Twitter, lai publicētu savas prognozes un analīzi. Es cenšos atbildēt cilvēkiem, cik vien varu, un aizstāvēt savu pozīciju un debatēt ar cilvēkiem. Tas liek jums padomāt par to, kādi ir jūsu pieņēmumi un kāpēc jūs domājat, ka tie ir pareizi.

Viņš saka, ka tas attiecas uz apstiprinājuma aizspriedumiem. Ja es nespēju pienācīgi aizstāvēt savu nostāju, vai tā tiešām ir pareiza prasība, un vai man ir jāizvirza šīs prasības? Sadarbojoties ar citiem cilvēkiem, tas palīdz man saprast, kā domāt par šīm problēmām. Kad citi cilvēki sniedz pierādījumus, kas ir pretrunā manai nostājai, man ir jāspēj atzīt, ja dažos savos pieņēmumos varu būt nepareizi. Un tas man patiešām ir ļoti palīdzējis uzlabot manu modeli.

6. nodarbība: izmantojiet veselīgu skepsi

Tagad es esmu daudz skeptiskāks pret zinātni, un tas nav slikti, saka Gu. Es domāju, ka ir svarīgi vienmēr apšaubīt rezultātus, bet veselīgā veidā. Tā ir smalka līnija. Tā kā daudzi cilvēki kategoriski noraida zinātni, un tas arī nav pareizais veids.

Bet es domāju, ka ir svarīgi arī ne tikai akli uzticēties zinātnei, viņš turpina. Zinātnieki nav ideāli. Viņš saka, ka, ja kaut kas nešķiet pareizi, ir pareizi uzdot jautājumus un meklēt skaidrojumus. Ir svarīgi, lai būtu dažādas perspektīvas. Ja kaut ko esam iemācījušies pēdējā gada laikā, tad nevienam nav visu laiku 100% taisnība.

Es nevaru runāt visu zinātnieku vārdā, bet mans uzdevums ir novērst visus trokšņus un nonākt pie patiesības, viņš saka. Es nesaku, ka pagājušajā gadā esmu bijis ideāls. Esmu kļūdījies daudzas reizes. Bet es domāju, ka mēs visi varam iemācīties pieiet zinātnei kā metodei patiesības atrašanai, nevis pašai patiesībai.

paslēpties