面对新冠疫情持续带来的挑战，麻省理工学院审视了疫情期间所使用的人工智能工具。
基于人工智能的服务和机构所产生的分析结果，能够提升其对突发因素和意外外部冲击的应对能力。
2008年，英国发布了首份国家风险登记册，使公众得以了解国家在民事紧急情况方面的安全优先事项。该报告从两个维度衡量风险——相对影响和相对可能性——其中大流行病的可能性位居榜首。一年后，世界经历了甲型H1N1流感大流行，造成数十万人死亡。尽管英国出现了数十万例病例，但死亡人数相对较少。从政府的角度来看，大流行病并非“黑天鹅”事件。关键不在于一个国家是否预见到大流行病并据此做好准备，而在于现有体系能否在大流行病所造成的压力下正常运转。从这一角度看，新冠疫情不仅是对全球医疗体系的压力测试，也是对全球化本身的压力测试。
毋庸置疑，在全球化推动下的大规模互联互通时代，由于人员流动日益频繁，大流行病的传播风险有所增加。但这并不意味着我们应当仅将责任归咎于全球化；相反，我们需要利用全球分布式价值链固有的互联性，改进各国预测、应对大流行病和灾害并进行协调的方式。这种互联性必须成为能力建设的推动力，朝着更好地解决我们未来可能日益面临的各类问题的目标迈进。
在当前疫情背景下，我们所说的能力，不仅指病床和呼吸机的数量、工作人员和口罩的数量，还包括医院和供应商如何规划持续供应、同时保障和维护安全的组织模式。能力确实是一个系统性问题。尽管一线人员付出了英勇努力，新冠疫情仍暴露出规划的低效，人们也日益担忧，基础设施投资严重不足可能引发更为严重的地方性社会问题。这些问题可能加剧既有及新出现的不平等，导致因医疗设施未达最优状态、协调不足而造成的更多感染和死亡。
为增强国家医疗卫生和安全体系所需的能力，各国政府和机构正转向依托数据密集型的解决方案，以助力实现更快速、可规模化的应对方式的跨越式发展。
为增强国家医疗卫生和安全体系所需的能力，同时尝试应对社会经济后果问题，各国政府和机构正转向依托数据密集型的解决方案，以助力实现更快速、可规模化的应对方式的跨越式发展。从基于地理位置数据的追踪和溯源举措，到韩国、越南、中国、以色列、以及新加坡的做法，再到阿里巴巴广受推崇的新冠病毒人工智能检测方案、美国的机器可读新冠数据集方法、英国国家医疗服务体系（NHS）利用大型科技供应商为国家疫情应对情况提供仪表盘展示，以及其他数十个案例。
公众现在需要思考，这种依赖数据密集型手段的政府治理方式是否与隐私保护本质上相冲突。但事实果真如此吗？
韩国对精细化位置信息的运用，清晰地揭示了其中的微妙界限，无疑将不仅成为未来研究的重点，也将成为新一轮高精度公共卫生方法浪潮中的参照范例。此类举措令人担忧，因为这类扩展可能导致新常态的形成。然而，随着数据密集型活动所引发的隐私问题日益加剧——表现为各国政府不断增强的监控能力和不断扩大的数据收集范围——同样紧迫的是，需要理解数据将如何被评估和衡量，以及数据将以何种方式用于为未来新危机中的公共部门能力建设提供依据。将这两个问题一并加以探讨，有助于各级政府借助新一代有效的数字政府工具实现跨越式发展，这些工具应能够超越传统的预测模型，学习并充分应对不确定性。
那么，满足这一新型能力建设需求的答案，是否能够在人工智能界面中找到？
问题的关键不仅在于人工智能是否有效，更在于它能否在我们最需要的时候发挥作用；依赖此类解决方案是否可能引入非预期的偏见和隐私侵犯，或者所假定的已处理数据能否应对此类不确定性情境。在危机中，错误往往会成倍增加——从行政程序的不一致，到隐私的迅速侵犯，再到无意中导致未来侵权行为的不端行为，所有这些都会增加无意间加剧传染风险的潜在危险。
在应对复杂的非线性现象时，现实情况是，提升信息精确度的投入，其价值存在功能性上限。这一上限取决于制度能力的可靠性，即不仅要应对已知变量，尤其要应对那些似乎与危机性质和大规模事件相关的变化。事实上，比赛的关键不在于争夺最优信息，而在于争夺最优体系——这一体系能够独立于该信息运行，因为它具备调整和学习的能力。
能够妥善运用人工智能服务和机构的政府，不在于是否拥有最好的数据分析本身，而在于能否运用这些分析来提升对突发因素和意外外部冲击的应对能力。这意味着需要理解人工智能应用和部署的全新范式，因为其最大的前景不仅在于优化现有资产。
世界需要就以下问题展开新的讨论：何种广泛的隐私与同意框架能够促进全面的能力提升，如何迅速构建此类框架，或如何为下一次不可避免的危机做好准备，以及如何建立我们在当前疫情中极为缺乏的必要公共卫生应急响应机制。归根结底，这不仅关乎我们当下如何应对，更关乎通过系统性运用人工智能服务所能够制度化的基础设施，如何从今日起构建反脆弱性。
