Kā rīkoties ar koronavīrusu neskaidrā nākotnē

Autore Margaret Heffernan

“Mēs varam izcīnīt pilnīgu uzvaru pār šo vīrusu,” nesen paziņoja Ķīnas vēstnieks Krievijā Džans Hanhui, piebilstot, ka Hubei “slimība tiks likvidēta nākamajā mēnesī”. Tā ir propaganda, kas maskējas kā pareģošana, kā tas bieži notiek. Cilvēki to izjūt, jo tādas prognozes kā šī ir patīkama pat tad, ja tās maldās. Bet bailes, nevis viņa zināšanas, liek kādam ticēt. Grūtā patiesība ir tāda, ka liela daļa dzīves ir un vienmēr būs neparedzama - un mums labāk ir to pieņemt, nekā atteikties no propagandas, lai cik optimistiski tā arī nebūtu.

Epidēmijas ir biedējošas, jo tās neievēro paredzamus modeļus. Tie varētu izskatīties vienādi, bet nav paredzamu epidēmijas profilu. Pastāv tikai viena pārliecība: ka viņi izlauzīsies. Pēc tam valda nenoteiktība: mēs nezinām, kāda slimība, kurā valstī un kad. Pastāvīgi parādās jauni slimību celmi; kopš 70. gadiem ir parādījušies jauni patogēni ar nepieredzētu ātrumu vairāk nekā vienu gadu, un globālo ceļojumu pasaulē tie ātri pārvietojas. Dažādām ģeogrāfijām nepieciešama dažāda veida reakcija. Kas darbojas vienā vietā ar vienu slimību, iespējams, nedarbosies kaut kur citur. Tāpēc šīs krīzes mūs pārsteidz, pat tad, kad mēs zinām, ka kaut kas tuvojas.

Protams, tehnoloģija var palīdzēt - nevis paredzēt epidēmijas, bet gan ātri identificēt tās, kad tās sākas. Mākslīgais intelekts, ko izveidoja Kanādas firma Blue Dot, analizēja datu masu par dzīvnieku un augu slimību uzliesmojumiem kopā ar pasaules ziņu ziņojumiem un veselu nedēļu pirms centra varēja noteikt tā, kas kļuvis pazīstams kā COVID-19, uzliesmojumu. Disease Control paziņoja par jaunas gripai līdzīgas slimības parādīšanos. Izmantojot AI globālajiem lidojuma datiem, tika ģenerētas arī precīzas prognozes par to, kur un kā slimība izplatīsies. Tā kā epidēmiju ārstēšana vienmēr ir sacensība pret laiku, tas nozīmē būtisku ātruma uzlabojumu, tiklīdz ir parādījusies infekcijas slimība. Tāpat kā visi AI lietojumi, tas ir tikpat labs kā dati, uz kuriem tā ir balstīta, un tas epidēmiju laikā var būt grūts, jo katrs no tiem ir unikāls. Joprojām ir nepieciešami zinātnieki un veselības aprūpes darbinieki, lai analizētu atradumus un diagnosticētu pacientus. Un AI nemaina mūsu nespēju paredzēt epidēmijas pirms patogēna parādīšanās.

Uzliesmojuma atklāšana ir tikai sākums. Svētais grāls katrā epidēmijā ir vakcīna, lai apturētu slimības izplatīšanos. Vakcīnu kandidātu izstrāde prasa laiku un darbietilpību, kā arī nav prognozējama; daudziem neizdodas. Epidēmiskās sagatavotības koalīcija sāka darbu pie jaunām beta koronavīrusu vakcīnām 2016. gadā, tāpēc tagad tās nav sāktas no nulles. Genoma kartēšanas ātrums ir ievērojami paātrinājis vakcīnu izstrādi, lai pētnieki jau zinātu proteīnus, kas vīrusu nokļūst cilvēka šūnās, gēnos un molekulārajā struktūrā. Šīs informācijas apmaiņa ar pētniecības grupām visā pasaulē paātrina atklāšanu. Bet tas joprojām ir lēnāks, nekā kāds gribētu, jo katra jaunā vakcīna ir jātestē, jāinjicē dzīvniekiem, lai redzētu, vai viņiem rodas kāda imūnreakcija. Daži nedarbosies, citi var izraisīt blakusparādības sliktāk nekā slimība. Paradoksāli, bet dažreiz epidēmijas iznīkst, pirms vakcīna ir gatava testēšanai; tas nozīmē, ka narkotikām jāgaida līdz nākamajai epidēmijai - ja tā notiek tieši ar to pašu slimību -, pirms tās var pārbaudīt un novērtēt ar cilvēkiem. Tas ir viens iemesls, lai veiksmīgas Ebolas vakcīnas izgatavošana prasītu tik daudz gadu.

Tagad tehnoloģija ir pieradinājusi cilvēkus sagaidīt precīzu pareģojumu gandrīz par visu: kad pienāk Ubers, cik ilgs būs ceļojums, vai jums patiks grāmata, filma vai maltīte. Tāpēc ideja par to, ka dažas lietas dzīvē nevar paredzēt, šķiet pretēji intuitīva. Gadu desmitiem tehnoloģiju jaunievedumi ir paļāvušies uz pārliecību, ka ar milzīgu datu daudzumu un instrumentiem, lai to nopratinātu, viss galu galā izrādās paredzams. Reālā dzīve pierāda savādāk. Terorismu ne vienmēr nosaka profili vai paraugi; teroristi zina, ka nejaušība viņus aizsargā. Novērošana rada vairāk datu nekā jebkad agrāk, taču ir grūti atrast to, ko nezināt, lai meklētu, kamēr nav par vēlu. Kā MI5 vadītāja Eliza Manninghema-Bullere bija noraizējusies, kad prezidenta Klintona vadībā amerikāņi atteicās no cilvēka ieceres, domājot, ka tehnoloģija viņiem sniegs visu nepieciešamo informāciju. Pēc 11. septembra šī stratēģija mainījās, un tika atzīts, ka cilvēka inteliģencei joprojām ir izšķiroša nozīme, meklējot jaunus modeļus jaunās vietās, kuras iepriekš nekad netika uzskatītas par nozīmīgām.

Līdzīgi kā tīrā zinātnē, politiķi ir ieradušies aicināt uz lielāku efektivitāti, lai panāktu stratēģiski vēlamus sasniegumus. Bet mēģinājumi izmantot datu ieguvi, lai identificētu karstākās vietas, no kurām rodas šādi triumfi, identificēja nedaudz vairāk, nekā paši zinātnieki jau zināja; tas ir viņu darbs un aizraušanās sekot līdzi notikumiem savā jomā. Arī mēģinājums izveidot perfektu zinātnieka superprofilu bija neveiksmīgs. Zinātniskie atklājumi pastāv visā spektrā, sākot no paredzamā (kad kļuva tehniski iespējams atšifrēt cilvēka genomu) līdz flukes (piemēram, mikroviļņu starojumam.) Efektīvi koncentrējieties tikai uz to, ko varat paredzēt, un jūs riskējat pārvaldīt flukes no sistēmas.

Bet galīgā paredzamība ir daudzo tehnoloģiju svētais grāls. Tā ir ticība, kas netieši norādīta uz Amazon paredzamo piegādes patentu. Uzņēmums, kurš turpina man ieteikt grāmatas, kuras esmu jau uzrakstījis, ir tik pārliecināts par savu datu analīzi, ka vēlas man atsūtīt to, ko prognozē, ka man būs sāpīgi lasīt. Tuvāka pārbaude atklāj šaubu sēklas; Man nevajadzēs atgriezt dažus pirmos, kuri kļūdās. Bet vienīgais patiešām paredzamais piedāvājuma aspekts ir tas, ka es aizmirsīšu vai būšu pārāk slinks, lai atgrieztu tos, kurus es nekad negribēju. Šī nav pareģošana; tas liek klientiem darīt to, ko prasa biznesa plāns.

Neskaidrība ir endēmiska dzīvei. Vai COVID-19 epidēmija būs beigusies līdz martam? Labākie slimības modeļi sniegs tikai varbūtības, nevis absolūtus. Soothsayeriem vienmēr ir savas darba kārtības, tāpēc mēs labāk rīkotos