Pandemijos superžvaigždės duomenų mokslininko Youyang Gu pamokos

Ponia Tech | Mandagumo nuotrauka

Duomenų mokslininkas Youyang Gu laiko save realistu – jis tai pareiškia savo Twitter profilis : nešališkų pažiūrų pateikėjas. Realistas.

Kai praėjusį pavasarį jis pastebėjo išsklaidytas COVID-19 prognozes – vienas modelis prognozavo 2 milijonus JAV mirčių iki vasaros, kitas – 60 000 – Gu suabejojo, ar tai taip gerai, kaip galima būtų modeliuoti. Jis nusprendė pats pasidaryti „covid-19“ modelį. Visas mano tikslas buvo sukurti kuo tikslesnį modelį, sako Gu iš savo buto Manhetene. Jokių „jei tai“ ar „jei tai“. Iš esmės, jokių „jeigu“. Nesvarbu, kokie yra scenarijai. Aš tiesiog norėjau tai išdėstyti: „Tai yra labiausiai tikėtina arba realiausia prognozė, kas nutiks“.

Per savaitę jis sukūrė mašininio mokymosi modelį ir pristatė savo COVID-19 prognozių svetainė . Jis modeliuodavo kiekvieną dieną – nešiojamajame kompiuteryje tai užtrukdavo tik vieną valandą – ir paskelbė COVID-19 mirties prognozes 50 JAV valstijų, 34 grafystėse ir 71 šalyje.

Susijusi istorija

Ar Covidas gali sukelti visą gyvenimą trunkančią autoimuninę ligą?

Daugėja įrodymų, kad kai kuriems žmonėms Covid infekcijos sukelia autoantikūnus, nukreiptus į kūno organus. Jei tai tiesa, daugeliui tai gali reikšti ilgus metus trunkančią ligą ir kančias.

Balandžio pabaigoje jis patraukė dėmesį – galiausiai jo svetainę kasdien tikrindavo milijonai. Vašingtono universiteto biologijos profesorius Carlas Bergstromas atkreipė dėmesį ir pakomentavo „Twitter“. kad Gu modelis darė prognozes, kurios atrodė tokios pat geros, kaip ir bet kurios mano matytos.

Galiu būti šiek tiek ML skeptikas. Tačiau šiuo atveju neleiskite, kad tekstas „mokymasis mašininiu būdu“ suklaidintų jus ir manytų, kad tai yra gyvačių aliejus, tviteryje parašė Bergstromas.

MIT absolventas, įgijęs elektros inžinerijos ir informatikos magistro laipsnį (taip pat matematikos laipsnį), 27 metų Gu dirbo sporto analitikos įmonėje, kai kilo pandemija. Tačiau jis pristabdė šią veiklą, nes buvo uždarytas pagrindinės lygos sportas. Ir tada, tiesiog googluodamas epidemiologiją, jis pradėjo savo žygį į Covid-19 modeliavimą.

Aš neturėjau infekcinių ligų modeliavimo patirties, sako jis. Tačiau jis turėjo kelerių metų duomenų mokslininko patirtį finansų srityje, dirbdamas su statistiniais modeliais – modeliais, kurie, remdamiesi tam tikromis statistinėmis prielaidomis, analizuoja duomenis ir daro prognozes, tarkime, kur bus akcijų kaina ateityje. .

Pasirodo, kad daugelis infekcinių ligų modeliavimo iš esmės yra statistinis modeliavimas, sako Gu. O finansų pramonės tikslumo tikslas, kurio tikslas – pelnas, jam pasitarnavo epidemiologinėje srityje. Jei nesugebėsite sukurti tikslaus modelio finansų srityje, nebeturėsite darbo, sako jis. Priešingai, akademinės bendruomenės tikslas – bent jau Gu požiūriu – yra ne tiek sukurti tikslius modelius, kiek skelbti straipsnius ir informuoti apie viešąją politiką. Tai nereiškia, kad jie nekuria tikslių modelių – tiesiog jie neoptimizuoja specialiai tikslumui, sako jis.

Gu modelis sujungia mašininį mokymąsi su klasikiniu infekcinių ligų simuliatoriumi, vadinamu SEIR modeliu (atsižvelgiant į populiacijos asmenis, kurie yra jautrūs, paveikti, užkrėsti, pasveikę arba pašalinami dėl mirties).

SEIR komponentas kaip įvestį naudoja modeliuotą parametrų rinkinį – geriausią kintamųjų, tokių kaip pagrindinis reprodukcijos skaičius, diapazoną (greitis, kuriuo naujų atvejų atsiranda visiškai jautrioje populiacijoje protrūkio pradžioje, prieš intervenciją ar imunitetą). , užsikrėtimo dažnis, užrakinimo data, pakartotinio atidarymo data ir efektyvus reprodukcijos numeris (greitis, kuriuo po kai kurių intervencijų atsiranda naujų atvejų). Kalbant apie rezultatus, SEIR simuliatorius pirmiausia apskaičiuoja infekcijų skaičių laikui bėgant, o tada apskaičiuoja mirčių skaičių (infekcijų skaičių padaugina iš mirtingumo nuo infekcijos skaičiaus).

Tada Gu mašininio mokymosi sluoksnis sukuria tūkstančius skirtingų tų parametrų rinkinių derinių, bandydamas rasti kiekvieno geografinio regiono realaus gyvenimo parametrus. Jis sužino, kurie parametrai generuoja tiksliausias mirties prognozes, lygindami SEIR prognozes su tikrais duomenimis apie kasdienes mirtis iš Johnso Hopkinso universiteto. Ji bando sužinoti, kokie parametrų rinkiniai generuoja mirtis, kurios labiausiai atitinka faktinius stebimus duomenis, žvelgiant atgal, sako Gu. Tada jis naudoja šiuos parametrus, kad prognozuotų ir prognozuotų mirčių skaičių ateityje.

Prognozės pasirodė nepaprastai tikslios. Pavyzdžiui, gegužės 3 d. jis pasirodė CNN šįvakar ir pasidalijo savo modelio prognozėmis, kad JAV mirs 70 000 gegužės 5 d., 80 000 mirčių gegužės 11 d., 90 000 mirčių gegužės 18 d. ir 100 000 mirčių gegužės 27 d. Gegužės 28 d. „Twitter“ paskelbė , covid19-projections.com tiksliai nustatė visas 4 datas. Su tam tikru apvalinimu tai buvo tiesa.

Nesakau, kad per pastaruosius metus buvau tobula. Daug kartų klydau. Tačiau manau, kad visi galime išmokti mokslą vertinti kaip tiesos, o ne pačios tiesos paieškos metodą.

Youyang Gu

Žinoma, modelis nebuvo tobulas, bet padarė įspūdį Nicholasui Reichui, biostatistui ir infekcinių ligų tyrinėtojui iš Masačusetso universiteto Amherste, kurio laboratorija, bendradarbiaudama su JAV Ligų kontrolės ir prevencijos centrais, apibendrina rezultatus iš maždaug 100 tarptautinių modelių komandų. Tarp visų apibendrintų modelių, pastebėjo Reichas, Gu modelis nuolat buvo tarp geriausių.

Spalio 6 d. Gu paskelbė savo paskutinę mirties prognozę, prieš pat rudens bangą. Pagal modelį iki lapkričio 1 d. JAV bus 231 000 mirčių. Iš viso iki tos datos užfiksuota 230 995.

Gu uždarė savo pirmąjį modelį spalio pradžioje, nes tada jau buvo daug komandų, kurios prognozavo geras mirties prognozes. Vietoj to jis pradėjo modeliuoti tikras infekcijas, palyginti su praneštomis infekcijomis. Ir tada gruodį jis pradėjo stebėti vakcinų išleidimą ir nepagaunamus dalykus pat h bandos imunitetui – kurį 2021 m. pradžioje jis pakeitė į normalumo kelią. kadangi bandos imunitetas pasiekiamas, kai pakankama gyventojų dalis yra atspari virusui, taip stabdant tolesnį plitimą, Gu apibrėžia normalumą kaip visų su COVID-19 susijusių apribojimų panaikinimą daugumoje JAV valstijų.

Susijusi istorija

Kaip maža žiniasklaidos įmonė padeda žmonėms pasiskiepyti

Daugeliui žmonių Niujorke vis dar sunku pasiskiepyti nuo koronaviruso, todėl vienas vietinis informacinis biuletenis veikė kaip vakcinų piršlys.

Tapo aišku, kad 2021 metais bandos imuniteto nepasieksime, bent jau tikrai ne visoje šalyje, sako jis. Ir manau, kad svarbu, ypač jei bandote įteigti pasitikėjimą, kad eitume protingus kelius, kada galėsime grįžti prie įprasto gyvenimo būdo. Neturėtume to sieti su nerealiu tikslu, pavyzdžiui, pasiekti bandos imunitetą. Vis dar atsargiai optimistiškai žiūriu, kad mano pradinė vasario mėnesio prognozė, kad vasarą normalizuosis, pasiteisins.

Kovo pradžioje jis visiškai susikrovė parduotuvę – jis suprato, kad prisidėjo, kiek galėjo. Norėjau atsitraukti ir leisti kitiems modeliuotojams ir ekspertams dirbti savo darbą, sako jis. Nenoriu sujaukti erdvės.

Jis vis dar stebi duomenis, atlieka tyrimus ir analizę – apie variantus, vakcinos diegimą ir ketvirtąją bangą. Jei pamatysiu ką nors, kas kelia ypatingą nerimą ar nerimą, apie ką, manau, žmonės nekalba, būtinai tai paskelbsiu, sako jis. Tačiau kol kas orientuojasi į kitus projektus, pvz YOLO akcijos , akcijų kainų analizės platforma. Pagrindinis jo darbas dėl pandemijos yra Pasaulio sveikatos organizacijos techninės konsultacinės grupės dėl COVID-19 mirtingumo vertinimo narys, kur jis dalijasi savo pašalinio asmens patirtimi.

Per pastaruosius metus tikrai daug išmokau, sako Gu. Tai labai atvėrė akis.

1 pamoka: sutelkite dėmesį į pagrindus

Žvelgiant iš duomenų mokslo perspektyvos, mano modeliai parodė paprastumo svarbą, kuris dažnai yra nepakankamai įvertintas, sako Gu. Jo mirties prognozavimo modelis buvo paprastas ne tik savo dizainu – SEIR komponentu su mašininio mokymosi sluoksniu, bet ir labai sumažintu, iš apačios į viršų nukreipto įvesties duomenų požiūriu. „Iš apačios į viršų“ reiškia, kad reikia pradėti nuo mažų kaulų ir prireikus pridėti sudėtingumo, sako jis. Mano modelis naudoja tik praeities mirtis, kad prognozuotų būsimas mirtis. Jis nenaudoja jokio kito tikro duomenų šaltinio.

Gu pastebėjo, kad kiti modeliai rėmėsi eklektiškais duomenimis apie atvejus, hospitalizacijas, tyrimus, mobilumą, kaukės naudojimą, gretutines ligas, pasiskirstymą pagal amžių, demografiniai rodikliai , pneumonijos sezoniškumas, metinis mirtingumas nuo plaučių uždegimo, gyventojų tankis, oro tarša, aukštis virš jūros lygio, rūkymo duomenys, savarankiškai nurodyti kontaktai, oro linijų keleivių srautas, priežiūros punktas, išmanieji termometrai, Facebook įrašai, Google paieškos ir kt.

Manoma, kad jei prie modelio pridėsite daugiau duomenų arba padarysite jį sudėtingesnį, modelis veiks geriau, sako jis. Tačiau tikrovėje, pavyzdžiui, pandemijos atveju, kai duomenys yra tokie triukšmingi, norisi, kad viskas būtų kuo paprastesnė.

Anksti nusprendžiau, kad praeities mirtys geriausiai prognozuoja būsimas mirtis. Tai labai paprasta: įvestis, išvestis. Pridėjus daugiau duomenų šaltinių, bus sunkiau išgauti signalą iš triukšmo.

2 pamoka: sumažinkite prielaidas

Gu mano, kad jis turėjo pranašumą spręsdamas problemą iš tuščio lapo. Mano tikslas buvo tiesiog sekti COVID duomenis, kad sužinočiau apie COVID, sako jis. Tai vienas iš pagrindinių pašalinio požiūrio privalumų.

Tačiau nebūdamas epidemiologu, Gu taip pat turėjo būti tikras, kad jis nedaro neteisingų ar netikslių prielaidų. Mano vaidmuo yra sukurti tokį modelį, kad jis galėtų išmokti prielaidas už mane, sako jis.

Kai atsiranda naujų duomenų, kurie prieštarauja mūsų įsitikinimams, kartais mes linkę nepastebėti šių naujų duomenų arba jų nepaisyti, o tai gali sukelti pasekmių, pažymi jis. Neabejotinai tapau to auka ir žinau, kad daugelis kitų žmonių taip pat.

Taigi žinoti apie galimą šališkumą ir jį atpažinti bei sugebėti koreguoti savo prioritetus – koreguoti savo įsitikinimus, jei nauji duomenys juos paneigia – yra tikrai svarbu, ypač tokioje greitai besikeičiančioje aplinkoje, kaip tai, ką matėme su COVID. .

3 pamoka: patikrinkite hipotezę

Per pastaruosius kelis mėnesius mačiau, kad kiekvienas gali pareikšti pretenzijas arba manipuliuoti duomenimis, kad atitiktų pasakojimą apie tai, kuo nori tikėti, sako Gu. Tai pabrėžia, kaip svarbu paprasčiausiai iškelti patikrinamas hipotezes.

Man tai yra visas mano prognozių ir prognozių pagrindas. Aš turiu prielaidų rinkinį ir, jei tos prielaidos yra teisingos, mes prognozuojame, kad tai nutiks ateityje, sako jis. Ir jei prielaidos baigiasi klaidingos, žinoma, turime pripažinti, kad mūsų daromos prielaidos nėra teisingos, ir atitinkamai koreguoti. Jei nekeliate patikrinamų hipotezių, nėra būdo parodyti, ar iš tikrųjų esate teisus, ar neteisus.

4 pamoka: mokykitės iš klaidų

Ne visos mano pateiktos prognozės buvo teisingos, sako Gu. 2020 m. gegužę jis prognozavo, kad iki rugpjūčio pradžios JAV mirs 180 000 žmonių. Tai daug daugiau, nei matėme, prisimena jis (žuvo apie 155 000 žmonių). Jo patikrinta hipotezė pasirodė neteisinga ir tai privertė mane pakoreguoti savo prielaidas.

Tuo metu Gu naudojo fiksuotą maždaug 1% mirtingumo nuo infekcijos procentą kaip konstantą SEIR simuliatoriuje. Kai vasarą jis sumažino mirštamumą nuo infekcijos iki maždaug 0,4% (o vėliau iki maždaug 0,7%), jo prognozės grįžo į realesnį diapazoną.

5 pamoka: įtraukite kritikus

Ne visi sutiks su mano idėjomis, ir aš tai sveikinu, sako Gu, kuris naudojo Twitter skelbdamas savo prognozes ir analizę. Stengiuosi kuo daugiau atsakyti žmonėms, ginti savo poziciją ir diskutuoti su žmonėmis. Tai verčia susimąstyti, kokios yra jūsų prielaidos ir kodėl manote, kad jos teisingos.

Jis sako, kad tai grįžta prie patvirtinimo šališkumo. Jeigu aš negaliu tinkamai apginti savo pozicijos, ar tai tikrai teisingas reikalavimas ir ar turėčiau tokius teiginius reikšti? Bendraujant su kitais žmonėmis, tai padeda man suprasti, kaip galvoti apie šias problemas. Kai kiti žmonės pateikia įrodymų, prieštaraujančių mano pozicijoms, turiu sugebėti pripažinti, kai galiu klysti kai kuriose savo prielaidose. Ir tai iš tikrųjų man labai padėjo tobulinti savo modelį.

6 pamoka: naudokite sveiką skepticizmą

Dabar į mokslą žiūriu daug skeptiškiau – ir tai nėra blogai, sako Gu. Manau, kad svarbu visada kvestionuoti rezultatus, bet sveiku būdu. Tai puiki linija. Kadangi daugelis žmonių tiesiog kategoriškai atmeta mokslą, ir tai taip pat nėra teisinga.

Bet aš manau, kad taip pat svarbu ne tik aklai pasitikėti mokslu, – tęsia jis. Mokslininkai nėra tobuli. Jis sako, kad jei kažkas atrodo ne taip, tikslinga užduoti klausimus ir ieškoti paaiškinimų. Svarbu turėti skirtingus požiūrius. Jei ko nors išmokome per pastaruosius metus, tai reiškia, kad niekas nėra 100% teisus visą laiką.

Negaliu kalbėti už visus mokslininkus, bet mano darbas yra įveikti visą triukšmą ir pasiekti tiesą, sako jis. Nesakau, kad per pastaruosius metus buvau tobula. Daug kartų klydau. Tačiau manau, kad visi galime išmokti mokslą vertinti kaip tiesos, o ne pačios tiesos paieškos metodą.

paslėpti