一项全球竞赛激发了强有力的预测，探讨应当采取哪些措施来减轻疫情的影响。
参赛团队利用人工智能预测全球各地社区受COVID-19影响的情况。
这项工作体现了人工智能在利用数据解决现实问题方面所发挥的重要作用。
2021年，人工智能已步入稳健发展的阶段。通过以真实数据和基于学习的模型取代轶事、假设和直觉判断，人工智能正在推动全球疫情应对工作。这一应对超越了政策和隐私方面的差异，释放了数据共享和跨机构协作的价值。
XPRIZE疫情应对挑战赛是一个切实可行的范例。
这场历时四个月的全球竞赛汇集了100支团队，致力于开发人工智能系统，实现两个目标：预测COVID-19感染率，并制定干预方案，帮助各地区政府、社区和机构尽可能安全地恢复运转。
该挑战完全以数据为驱动。每支团队的成果均基于 Cognizant公司开发的人工智能模型，以及由牛津COVID-19政府应对追踪器每日整理和汇编的数据构建而成。该追踪器收集政策应对信息，并将各项措施量化为“严格指数”。
大奖得主于公布，时间为3月9日。评审团将一等奖授予来自西班牙巴伦西亚的一支团队，其获胜模型通过运用人工智能和数据科学，成功预测了流行病学的发展态势。二等奖授予一支斯洛文尼亚团队，该团队将机器学习与易感-暴露-感染-康复（SEIR）流行病学模型相结合，开发出了对COVID-19感染情况的精准预测工具。两支团队平分了50万美元奖金。
参赛团队持续将数据输入COVID-19模型，并每日对模型进行训练，以了解疫情以及检测、治疗和疫苗接种等防控策略将如何影响全球各个特定社区。其成果是：得出了有力的预测，揭示了应当发生什么，而非将会发生什么。这些预测有望为持续的减缓策略提供参考。应当发生，而非将会发生。这些预测有望为持续的减缓策略提供参考。
此次全球性实践具有协作性和深远意义。其产生的成果可以验证，进一步印证了人工智能在理解COVID-19等传染病的传播与防控及其经济和社会影响方面所发挥的作用。传染病，以及其经济和社会影响。
更为重要的是，疫情应对挑战赛体现了人工智能在解决现实问题方面的应用，证明了政策制定者如何运用数据而非直觉进行决策。
影响健康、环境和社会问题的数据量不断增长，做出最优决策需要人工智能和模拟技术的支持。
Bret Greenstein
这些经验或许有助于阐明企业、非政府组织和政府如何更快地制定预测性措施及相应政策，以应对未来的挑战。
这一成果得益于成千上万名志愿者通过数据科学在全球范围内开展的协作。
数据与人工智能的力量
在全球范围内，各国政府和企业都将人工智能领域的竞争视为对未来的投资。2017年，中国政府提出了到2030年实现人工智能领先地位的发展蓝图，俄罗斯总统弗拉基米尔·普京宣称，世界领导地位取决于人工智能的主导权。
与此同时，美国和欧洲领导人仍在倡导相关投资和政策，既鼓励人工智能领先发展，也倡导其合乎伦理的使用。
这也不足为奇。许多全球性问题如果没有这项强大的技术，将难以解决，从癌症和COVID-19等健康问题，到全球变暖等环境问题，再到粮食不安全等社会问题，莫不如此。影响这些问题的数据量不断增长，做出最优决策需要人工智能和模拟技术的支持。这些工具有助于我们应对复杂而重要的商业和社会问题。
虽然人工智能的成功取决于拥有合适的数据（且数量越多越好），但全球大部分数据仍被封存，如同被岩层覆盖的石油矿藏，存放在数据仓库、办公桌下、实验室和我们的家中。
没有数据，就没有隐私保护
不仅缺乏便捷的数据共享方式，人们也几乎没有共享数据的动力。
这种数据僵局造成了紧张关系，使人工智能发展与个人在数据共享中的隐私保护之间产生了矛盾。
在隐私法规严格的国家，数据受到更严格的管控，利益相关方之间共享数据的机会也较少。
在隐私监管较为宽松的国家，数据可大规模获取，从而催生了功能更强大的人工智能系统。以中国在疫情期间采用数字监控工具进行追踪和溯源为例便可见一斑。中国的相关工具根据个人信息以及近期的出行和健康状况，为个人分配“绿色、黄色或红色”风险等级。该国在疫情消退后是否会继续使用该系统，或是否会将个人评级的应用扩展至健康领域以外，目前尚不得而知。
协作与激励机制为何至关重要
疫情应对挑战赛表明，当人员、数据和人工智能相结合时，能够产生怎样的成果。此次，各利益相关方的动机趋于一致，且所有人都切实感受到了紧迫性。
然而，由于企业对其数据持保护态度，并因监管风险而担心共享数据，此类协作并不总是能够实现。受《通用数据保护条例》（GDPR）、《健康保险流通与责任法案》（HIPAA）、《加州消费者隐私法》（CCPA）及其他法律的影响，企业对共享数据持谨慎态度。
激励机制将在改变这一局面中发挥重要作用。目前，企业共享数据的激励较少。不过，展望未来，可以参考一个类比：企业在环境影响方面，先是受到监管，随后又获得激励以改善其环境表现。
最初的监管措施，如汽车和卡车的排放标准，旨在限制对环境的影响。随后出台的激励措施，包括碳信用额度和环保汽车的税收抵免等，鼓励人们采用更可持续的选择。目前，品牌具有展示可持续发展的声誉激励，而汽车企业也取得了足够的技术突破，使环保汽车的拥有成本更低。
就数据而言，我们目前所处的境况与此相似。
最初的监管措施确保了数据得到安全处理，并尊重隐私。但我们正与那些不仅数据监管较少、还推动政府对企业进行投资的国家在全球市场上展开竞争，而这实际上鼓励了数据共享。
中国的移动电话基础设施对于该国在COVID-19疫情期间追踪和溯源个人发挥了关键作用。美国和欧洲各国政府则缺乏获取类似数据以保障公共安全的渠道。
赋予数据信用额度
西方国家可考虑的一种替代方案是，将碳信用额度的概念应用于安全的数据共享。我们不妨称之为数据信用额度。该模式将共享数据的企业视为促进社会福祉的力量，无论是通过提升公共安全还是创造更大的经济价值，并以此激励企业进行数据共享。
数据信用额度模式有望借助Snowflake的数据交换平台等新技术，推动数据共享的发展。此外，它还为企业奠定了基础，使其能够凭借作为开放数据企业的声誉获得优势。Snowflake的数据交换平台。
疫情应对挑战赛已为未来指明了道路，通过这条道路，数据与人工智能能够帮助我们超越分歧，应对全球性问题。2021年，这正是我们所有人需要的方向。
