在疫情防控中，追踪新冠肺炎症状尤其重要。目前的主要手段是依靠人力，但是也存在难点，比如耗时长，又如人们很难针对不同患者进行精准追踪……

有没有更有效的解决办法？获得2018年图灵奖的深度学习理论大师、蒙特利尔大学计算机学教授约书亚·本希奥，在今天开幕的2020世界人工智能大会云端峰会上表示，可以“训练手机”，通过人工智能与机器学习来辅助人工追踪。

手机在“学习”之前，首先要了解新冠肺炎的特点。约书亚·本希奥介绍说，新冠肺炎病毒的重要特征就是能够人传人。一个病例的出现，往往意味着他在出现症状之前就具有传染性。所以疫情防控部门迫切希望扩大检测范围和内容。人工追踪需要时间，如果减少这段时间，就能大大减少病毒传播。

每个病例体质不同，症状也不尽相同，接触的人群也不同。这些碎片信息如何用来做预测？ “最好的办法就是机器学习。”约书亚·本希奥认为，把这些信息整合分析，就能确定一个人是不是已经被传染了，或者处于传染的哪个阶段。

手机用于收集数据的工具，就成为机器学习的最佳载体。手机的风险预测器会接受以下的信息，包括：有没有基础疾病、年龄性别、行为相关的信息；在外面或者封闭空间或者工作场所有没有戴口罩；工作的地方有没有玻璃挡着；有没有坐过公共交通工具；家里住多少人……这些都有可能影响一个人是否受到感染。同意分享数据的人，也不必担心隐私信息被泄露。服务器只知道症状感受如何，知道这个人是否进行过核酸检测，阳性还是阴性。

这种技术未必能够完全取代人工的信息跟踪，但能提供很多重要信息——从公共卫生角度来说，它可以预测某个区域有没有可能出现大疫情。对个人来说，有可能感染的人，就能通过手机预测出传染性，向过去几天见过的所有人发信息提醒他们待在家里隔离。风险没有那么高的人，则可以照常生活，不需要接受强制隔离。

不过这种技术也不是毫无成本。约书亚·本希奥提醒，在算力和带宽方面，有可能需要付出较大成本。在这方面还需要进一步研究优化。