김나윤 기자
 |
| ▲ 코로나바이러스 확산 미래예측한 블루닷 AI |
코로나 바이러스는 지난 몇 주 동안 뉴스에 보도되고 있다. 8일 만에 전용 병원이 생겨났고 주식 시장이 타격을 입었으며, 중국의 신년 축하 행사가 망쳐졌고 여행 제한이 발효되었다.
하지만 조금 더 되짚어 보자. 이 지경에 이르기 전 몇 가지 중요한 사건들이 일어났다.
세계보건기구(WHO)가 코로나바이러스 발생 사실을 국민에게 알리기 2주 전, 캐나다의 한 인공지능 회사는 이미 경보를 울리고 있었다. 블루닷은 AI로 구동되는 알고리즘을 사용, 수많은 출처의 정보를 분석하여 질병 발생을 식별하고 확산 방법을 예측한다. 2019년 12월 31일, 해당 회사는 고객들에게 바이러스의 발원지인 우한(武漢)을 피하라는 경고문을 발송했다. 세계보건기구는 2020년 1월 9일까지 이와 유사한 공문을 보내지 않았다.
블루닷의 조기경보는 AI가 어떻게 새로운 바이러스 발생에 대한 식별과 대응을 향상시킬 수 있는지 보여주는 가장 최근의 사례다.
예측은 나쁜 소식
전세계적인 전염병인가 아니면 비교적 가벼운 공포인가? 배심원단은 아직 코로나 바이러스를 조사 중이다. 그러나 수학은 최악의 상황이 아직 오지 않았다는 징후를 가리킨다.
과학자들은 그 바이러스가 얼마나 전염성이 있는지 알아내기 위해 여전히 노력하고 있다. 초기 분석 결과 바이러스의 생성 규모는 인플루엔자와 소아마비 사이의 어딘가일 수 있으며, 이는 한 사례가 얼마나 많은 새로운 사례로 이어지는지를 나타낸다.
영국과 미국의 연구원들은 우한에서 확인된 감염자가 실제 감염자의 5%에 불과하다고 추정하는 예비 논문을 발표했다. 이 예측이 정확하다면 우한 주민 19만 명이 감염되고, 중국 주요 도시들은 대규모 발병의 위기에 처해 있으며, 바이러스는 다른 나라로 계속 확산될 것이다.
시작점 찾기
바이러스의 확산은 바이러스가 발견되지 않은 채 얼마나 오래 지속되는지와 부분적인 관련이 있다. 새로운 바이러스 식별은 대응력을 동원하고 제때에 백신을 만들기 위한 첫걸음이다. 가능한 한 빨리 위험에 처한 사람들에게 경고하는 것도 확산을 제한하는 데 도움이 된다.
이러한 면들은 블루닷의 업적이 그 자체로 중요한 이유 중 하나다. 게다가, AI가 어떻게 진행 중인 바이러스 발생을 식별하기 위해 방대한 데이터를 가려낼 수 있는지 보여준다.
블루닷은 자연어 처리 및 기계 학습을 사용하여 하루에 65개 언어로 된 10만 건의 뉴스 보고서를 요약하는 등 다양한 정보 소스를 샅샅이 살펴본다. 데이터는 바이러스 발생 패턴을 예측하기 위해 비행 기록과 비교된다. 자동화된 데이터 조사가 완료되면 역학 전문가들은 과학적 관점에서 결과의 타당성을 확인하고, 정부와 기업 및 공중 보건 기관을 포함한 블루닷의 고객에게 보고서를 보낸다.
바이러스 검출 및 예방용 AI
메타비오타와 같은 다른 회사들도 코로나 바이러스와 같은 종류의 바이러스 확산을 추적하기 위해 데이터 기반 접근방식을 사용하고 있다.
연구원들은 실시간으로 전염병의 확산을 예측하도록 신경망을 훈련시켰다. 다른 방면에서는 예방 조치가 어떻게 가장 큰 효과를 낼 수 있는지를 파악하기 위해 AI 알고리즘을 사용한다. AI는 또한 새로운 약을 만드는 데 사용되고 있는데, 우리는 이 약이 코로나 바이러스에 활용되는 것을 볼 수 있다.
과학자 바바라 한과 데이비드 레딩의 연구가 결실을 맺는다면, 인공지능과 기계학습은 바이러스가 발생하기 전에 이를 예측하는 데 도움이 될 것이다.
불확실성 요인
바이러스 발생의 영향을 확인하고 제한할 때 AI의 핵심 강점 중 하나는 엄청나게 끈질긴 성격이다. AI는 결코 지치지 않고, 방대한 양의 데이터를 걸러낼 수 있으며, 인간이 할 수 없는 가능한 상관관계와 인과관계를 파악할 수 있다.
하지만 AI가 바이러스 발생을 식별하고 확산을 예측하는 데는 한계가 있다. 아마도 가장 잘 알려진 예는 이웃 분야인 빅데이터 분석에서 나온 것이다. 구글 플루 트렌드는 2013년 독감 시기를 140%나 과소평가하고 조용히 사장되기 전까지는, 독감의 확산 확인 및 추정과 관련하여 큰 도약으로 예고되었다.
낮은 데이터 품질은 구글 플루 트렌드가 실패한 주요 원인 중 하나로 확인되었다. 신뢰할 수 없거나 결함이 있는 데이터는 인공지능의 예측력을 크게 손상시킬 수 있다.
점점 더 상호 연결되고 있는 세상에서, 잠재적으로 감염될 수 있는 개인(자동차, 기차, 버스 또는 비행기)의 움직임을 추적하는 것은 많은 불확실성에 둘러싸인 하나의 벡터에 불과하다.
블루닷이 AI 기술 덕분에 코로나 바이러스를 정확하게 식별할 수 있었다는 사실은 스마트 컴퓨터 시스템이 이러한 불확실성을 해결하는 데 매우 유용할 수 있음을 보여준다.
하지만 중요한 것은, 그 자체로 AI가 과오를 범하지 않는 것은 아니라는 점이다. 그래서 블루닷은 AI의 발견을 검증하기 위해 인간 전문가를 고용한다.
Coronavirus has been all over the news for the last couple weeks. A dedicated hospital sprang up in just eight days, the stock market took a hit, Chinese New Year celebrations were spoiled, and travel restrictions are in effect.
But let’s rewind a bit; some crucial events took place before we got to this point.
A little under two weeks before the World Health Organization (WHO) alerted the public of the coronavirus outbreak, a Canadian artificial intelligence company was already sounding the alarm. BlueDot uses AI-powered algorithms to analyze information from a multitude of sources to identify disease outbreaks and forecast how they may spread. On December 31st 2019, the company sent out a warning to its customers to avoid Wuhan, where the virus originated. The WHO didn’t send out a similar public notice until January 9th, 2020.
The story of BlueDot’s early warning is the latest example of how AI can improve our identification of and response to new virus outbreaks.
Predictions Are Bad News
Global pandemic or relatively minor scare? The jury is still out on the coronavirus. However, the math points to signs that the worst is yet to come.
Scientists are still working to determine how infectious the virus is. Initial analysis suggests it may be somewhere between influenza and polio on the virus reproduction number scale, which indicates how many new cases one case leads to.
UK and US-based researchers have published a preliminary paper estimating that the confirmed infected people in Wuhan only represent five percent of those who are actually infected. If the models are correct, 190,000 people in Wuhan will be infected by now, major Chinese cities are on the cusp of large-scale outbreaks, and the virus will continue to spread to other countries.
Finding the Start
The spread of a given virus is partly linked to how long it remains undetected. Identifying a new virus is the first step towards mobilizing a response and, in time, creating a vaccine. Warning at-risk populations as quickly as possible also helps with limiting the spread.
These are among the reasons why BlueDot’s achievement is important in and of itself. Furthermore, it illustrates how AIs can sift through vast troves of data to identify ongoing virus outbreaks.
BlueDot uses natural language processing and machine learning to scour a variety of information sources, including chomping through 100,000 news reports in 65 languages a day. Data is compared with flight records to help predict virus outbreak patterns. Once the automated data sifting is completed, epidemiologists check that the findings make sense from a scientific standpoint, and reports are sent to BlueDot’s customers, which include governments, businesses, and public health organizations.
AI for Virus Detection and Prevention
Other companies, such as Metabiota, are also using data-driven approaches to track the spread of the likes of the coronavirus.
Researchers have trained neural networks to predict the spread of infectious diseases in real time. Others are using AI algorithms to identify how preventive measures can have the greatest effect. AI is also being used to create new drugs, which we may well see repeated for the coronavirus.
If the work of scientists Barbara Han and David Redding comes to fruition, AI and machine learning may even help us predict where virus outbreaks are likely to strike—before they do.
The Uncertainty Factor
One of AI’s core strengths when working on identifying and limiting the effects of virus outbreaks is its incredibly insistent nature. AIs never tire, can sift through enormous amounts of data, and identify possible correlations and causations that humans can’t.
However, there are limits to AI’s ability to both identify virus outbreaks and predict how they will spread. Perhaps the best-known example comes from the neighboring field of big data analytics. At its launch, Google Flu Trends was heralded as a great leap forward in relation to identifying and estimating the spread of the flu—until it underestimated the 2013 flu season by a whopping 140 percent and was quietly put to rest.
Poor data quality was identified as one of the main reasons Google Flu Trends failed. Unreliable or faulty data can wreak havoc on the prediction power of AIs.
In our increasingly interconnected world, tracking the movements of potentially infected individuals (by car, trains, buses, or planes) is just one vector surrounded by a lot of uncertainty.
The fact that BlueDot was able to correctly identify the coronavirus, in part due to its AI technology, illustrates that smart computer systems can be incredibly useful in helping us navigate these uncertainties.
Importantly, though, this isn’t the same as AI being at a point where it unerringly does so on its own—which is why BlueDot employs human experts to validate the AI’s findings.
