近年来人工智能迅速发展，在很大程度上归功于深度学习为代表的新理论的提出，深度学习理论的三位奠基者因此获得了2018年图灵奖。今年大会邀请到深度学习三巨头之一——蒙特利尔大学计算机学教授约书亚·本希奥。透过视频，约书亚·本希奥介绍了他最近在AI助力全球抗击疫情方面展开的研究。
约书亚·本希奥表示，新冠病毒的重要传播特征就是能够人传人。一个病例出现症状，但往往他在出现症状的前几天就开始具有传染性了。所以医疗机构和政府的疫情防控部门迫切希望进一步扩大检测报告内容。
用人工进行操作是可以的，但问题是需要时间，这方面手机记录跟踪的信息可能会给医疗防控带来帮助。标准数据跟踪的问题是只考虑了一个人核酸检测阳性与否的两元化信息，你知道你测为阳性之后，很可能具有非常高传染性是几天之后的事，如果减少这段延误时间，可能大大减少病毒传播。
他指出，我们希望疫情防控中对于症状的追踪不是简单两元的事，有时候症状不一样，症状严重程度也不同，你需要考虑到好多点。你现有病情的状况、年龄、性别都可能影响疾病的进程。另外从那些已经确诊的患者那里收到的信息，你接触过不同风险等级的人，这些信息和线索都需要进行整合。最好的办法就是用机器学习，把这些碎片信息整合起来，确定你是不是已经被传染了，或者处于传染的哪个阶段。如果做到了这一点，那些有危险的人就可以根据这些预测出来的传染性，向过去几天所有见过的人发个短信，告诉他们要小心一点、需要待在家里隔离，风险没有那么高的人则可以照常生活，而不需要接受强制隔离。
当然，这种技术未必能够完全取代人工的信息跟踪，人工跟踪可以发现人工智能没有办法评估的东西。我们想利用手机数字接触跟踪方法来加强人工接触跟踪的工具，扩大范围。
约书亚·本希奥还表示，手机收集数据的工具对于公共卫生管理来说是很珍贵，很有用的。公共卫生管理部门可以决定测试谁，风险更高的人或者有接触史的人是不是需要进行优先测试。这些技术可以提供很多重要信息，比如预测是不是有可能出现大疫情，在人们去医院之前就已经进行预测了，因为可以看到传染概率在某些地区已经大幅上升了，这对公共卫生是有意义的。