27歲華裔小伙搞出美國新冠最準(zhǔn)預(yù)測模型，一人干翻專業(yè)機構(gòu)，彭博：Superstar
金磊 曉查 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
年僅27歲的他，被彭博評價為“新冠病毒數(shù)據(jù)超級明星”。
為什么？
憑一己之力，僅用一周時間打造的新冠預(yù)測模型，準(zhǔn)確度方面碾壓那些數(shù)十億美元、數(shù)十年經(jīng)驗加持的專業(yè)機構(gòu)。
他就是Youyang Gu，擁有 MIT 電氣工程和計算機科學(xué)碩士學(xué)位，以及數(shù)學(xué)學(xué)位。
但值得注意的是，他在醫(yī)學(xué)和流行病學(xué)等方面卻是一個小白。
他的模型，甚至被著名數(shù)據(jù)科學(xué)家、fast.ai創(chuàng)始人Jeremy Howard高度評價道：
唯一看起來合理的模型。
他是唯一一個真正查看數(shù)據(jù)，并且做得正確的人。
不僅如此，他的模型還被美國疾控中心采用。
到底是個怎樣的預(yù)測模型？
時間點要追溯到去年年初。
當(dāng)時疫情已然在全球蔓延開來，于是公眾試圖用建模的方式，來預(yù)測接下來疫情會帶來的影響。
大多數(shù)的目光都將希望投向了2家專業(yè)機構(gòu)打造的預(yù)測系統(tǒng)——倫敦帝國理工學(xué)院、總部位于西雅圖的健康指標(biāo)與評估研究所（IHME）。
但2家機構(gòu)給出的預(yù)測結(jié)果卻是天差地別：
倫敦帝國理工學(xué)院：到夏天，美國因新冠病毒而死亡的人數(shù)將達到200萬。
IHME：預(yù)計到8月，死亡人數(shù)將達到6萬。
（后來的事實證明，死亡人數(shù)是16萬。）
2家專業(yè)機構(gòu)給出的預(yù)測數(shù)據(jù)，差距為何能夠如此之大？
這就讓當(dāng)時年僅26歲的Youyang Gu引起了注意。
△ Youyang Gu
雖然他沒有任何醫(yī)學(xué)或流行病方面的經(jīng)驗，但他堅信，數(shù)據(jù)預(yù)測在此時會派上大用場。
于是，大約在4月中旬，Youyang Gu便在家里僅花了一周時間，打造出了自己的預(yù)測器，以及一個可以顯示相關(guān)信息的網(wǎng)站。
△Youyang Gu創(chuàng)建的網(wǎng)站
但Gu在這個過程中所用到的方法，并不是說有多么的高級，相反，恰恰是比較簡單的那種。
他首先考慮的是新冠病毒檢測數(shù)、住院人數(shù)和其他因素之間的關(guān)系，但在這個過程中，Gu卻發(fā)現(xiàn)各個州和聯(lián)邦政府所提供的數(shù)據(jù)是存在不一致的現(xiàn)象。
此時，問題就來了——什么樣的數(shù)據(jù)才是靠譜的？
Gu認(rèn)為，最靠譜的數(shù)據(jù)，似乎就是每天的死亡人數(shù)：
其他的模型用到了很多數(shù)據(jù)源，但我決定用過去的死亡人數(shù)，來預(yù)測未來的死亡人數(shù)。
至于這樣做的原因，Gu給出的解釋是“將它作為唯一的輸入，有助于在噪音中過濾信號”。
那么，預(yù)測結(jié)果如何？
可以說是相當(dāng)?shù)木珳?zhǔn)了。
在模型剛剛完成時，他預(yù)測在5月9日，美國將有8萬人死亡，當(dāng)天的實際死亡人數(shù)為79926。
而同樣來自IHME的預(yù)測數(shù)據(jù)卻是“2020年一整年的死亡人數(shù)將不超過8萬”。
Gu還預(yù)測在5月18日，死亡人數(shù)將達到9萬；5月27日，死亡人數(shù)將達到10萬。
事實證明，他的這兩次預(yù)測再次“押中”！
除了精準(zhǔn)數(shù)字的預(yù)測外，Gu基于許多州從封鎖狀態(tài)逐步轉(zhuǎn)變開放狀態(tài)，預(yù)測將出現(xiàn)第二波大規(guī)模感染和死亡。
而在Gu發(fā)出這樣的預(yù)測當(dāng)天，特朗普所發(fā)表的言論卻是“IHME所預(yù)測的6萬死亡人數(shù)表明，疫情很快將結(jié)束”……
或許正是因為Gu的模型預(yù)測之精準(zhǔn)，越來越多人開始關(guān)注他的作品。
在Twitter上，Gu不僅@了各路記者，還給流行病學(xué)專家發(fā)郵件，讓他們核實自己的數(shù)據(jù)。
去年4月底，華盛頓大學(xué)著名生物學(xué)家Carl Bergstrom便在Twitter上發(fā)布了Gu的模型。
不久之后，美國疾病控制和預(yù)防中心，也在其新冠預(yù)測網(wǎng)站上發(fā)布了Gu的數(shù)據(jù)。
不僅如此，隨著疫情的發(fā)展，身為中國移民的Gu，還參與了由美國專家團隊組織的定期會議，每個人都想更好的改善他的模型。
他的網(wǎng)站訪問量也呈現(xiàn)出爆炸式增長，每天都有數(shù)百萬人來看他的數(shù)據(jù)。
通常情況下，Gu的模型所預(yù)測的數(shù)據(jù)，基本在幾周后便會達到，與實際的死亡人數(shù)非常接近。
隨著類似的預(yù)測模型逐漸增多，阿默斯特馬薩諸塞大學(xué)生物統(tǒng)計學(xué)和流行病學(xué)系的副教授Nicholas Reich，便統(tǒng)計了50個這樣的模型：
Gu的模型一直位居前列。
但到了去年11月，Gu卻做出了令人意外的一個決定——結(jié)束他的預(yù)測任務(wù)。
對此，Reich這樣評價道：
Youyang Gu是一個非常謙卑的人，他看到其他人的模型也做得很好，便覺得自己的工作已經(jīng)完成了。
而在Gu決定停止項目的前一個月，他預(yù)測11月1日死亡人數(shù)將達到231000人，而實際人數(shù)為230995人。
但IHME的Chris Murray認(rèn)為：
Gu使用的機器學(xué)習(xí)方法，在短期預(yù)測方面的效果比較良好，但不太理解“大局中發(fā)生了什么”。
對此，Gu沒有針對模型的評價做出回應(yīng)，相反，他這樣表態(tài)：
我非常感謝 Chris Murray 醫(yī)生和他的團隊所做的工作；沒有他們，我就不會有今天的成就。
在休息了一段時間之后，Gu重新投入到了這份事業(yè)當(dāng)中。
這一次，他要做的預(yù)測是“美國有多少人感染了新冠病毒”、“疫苗推出的速度有多快”、“美國可能何時（如果可能的話）達到群體免疫”等。
他的預(yù)測表明，到今年6月，大約61%的美國人口應(yīng)該獲得某種形式的免疫力——無論是疫苗還是因過去的感染。
……
Gu一直希望能夠找到一份能對社會產(chǎn)生巨大影響的工作，同時避免政治、偏見以及大型機構(gòu)有時會帶來的負(fù)擔(dān)。他認(rèn)為：
在這個領(lǐng)域，有很多缺點可以通過我這種背景的人來改善。
誰是Youyang Gu？
Youyang Gu出身于美國華裔移民家庭，在伊利諾伊州和加州長大。
Gu從小喜歡數(shù)學(xué)和科學(xué)，直到高中畢業(yè)時，才真正接觸計算機科學(xué)。而他能夠進入這個行業(yè)得益于他的父親，因為他的父親是一名計算機從業(yè)者。
△正在做化學(xué)實驗的Gu Youyang（圖片來自2010年克拉克獎學(xué)金項目）
Gu本科和碩士都在MIT就讀，在那里他獲得了計算機科學(xué)與數(shù)學(xué)雙學(xué)士學(xué)位，以及計算機科學(xué)的碩士學(xué)位。
畢業(yè)后他繼續(xù)在MIT著名的CSAIL實驗室的NLP組進行了一年的研究，同年在EMNLP 2016上發(fā)表了論文。
這也是他第一次接觸大數(shù)據(jù)，并由此建立統(tǒng)計模型對數(shù)據(jù)進行預(yù)測。
不過他沒有因此繼續(xù)學(xué)術(shù)研究，而是進入產(chǎn)業(yè)界。從MIT離開后，他加入了金融行業(yè)，為高頻交易系統(tǒng)編寫算法。
在那里，他的數(shù)據(jù)建模能力得到了進一步磨練，因為在金融交易中，數(shù)據(jù)必須非常定量并盡可能地準(zhǔn)確。
之后，他又進入了體育界，繼續(xù)進行大數(shù)據(jù)方面的研究。這也為他提供了豐富的跨學(xué)科經(jīng)驗，使他能夠成功應(yīng)對新地領(lǐng)域，懂得如何更加準(zhǔn)確地建模。
用他自己的話來說，他的專長是使用機器學(xué)習(xí)來理解數(shù)據(jù)，將信號與噪聲分離并做出準(zhǔn)確的預(yù)測。
在建立新冠死亡模型時，他起初考慮了確診數(shù)量、住院數(shù)量和其他因素之間的關(guān)系。然后他發(fā)現(xiàn)各州和聯(lián)邦政府報告的數(shù)據(jù)不一致，最可靠的數(shù)字是每天的死亡人數(shù)。
Gu認(rèn)為，如果輸入數(shù)據(jù)質(zhì)量很低，那么數(shù)據(jù)越多，輸出的性能就越差。
在一周的時間里，他就根據(jù)死亡數(shù)據(jù)便建立了一個簡單模型，并將預(yù)測網(wǎng)站上線。
從去年4月以來，Gu已經(jīng)自愿在這個項目中投入了幾千個小時，而且是無償?shù)摹?/p>
在接受醫(yī)學(xué)網(wǎng)站Medscape主編Eric Topol采訪時，Gu表示自己現(xiàn)在全職投入到新冠預(yù)測網(wǎng)站上，沒有兼職、沒有收入，他靠著過去的積蓄生活。
△ Gu Youyang接受Medscape主編Eric Topol視頻采訪
然而就是這樣一個公益的項目卻遭到了一些Twitter網(wǎng)友非議，但是他還是堅持了下來。
從12月開始，covid19-projections.com接受網(wǎng)友的捐贈幫助，現(xiàn)在已經(jīng)完成了5萬美元的籌款目標(biāo)。
除了感染人數(shù)外，Gu的新冠網(wǎng)站又有了一個新的功能。從去年12月起，covid19-projections.com開始跟蹤和模擬疫苗接種情況以及群體免疫的途徑。
這個月，Gu又將“群體免疫”改成了“恢復(fù)常態(tài)”，因為他的模型預(yù)測表明，美國不太可能在2021年達到理論上的群體免疫。
未來的路怎么走？疫情結(jié)束后，Gu的職業(yè)規(guī)劃如何？
他說現(xiàn)在還為時過早，雖然他現(xiàn)在的工作是預(yù)測疫情發(fā)展，但是他很難預(yù)測自己3個月或1年后要做什么。
因為這項工作，世界各地的高校和企業(yè)已經(jīng)向他拋出了橄欖枝。
參考鏈接：
https://www.bloomberg.com/news/articles/2021-02-19/covid-pandemic-how-youyang-gu-used-ai-and-data-to-make-most-accurate-prediction
https://youyanggu.com/
https://twitter.com/youyanggu
https://covid19-projections.com/
https://www.medscape.com/viewarticle/944778
— 完 —
機器學(xué)習(xí)系列教程
從隨機森林開始，一步步理解決策樹、隨機森林、ROC/AUC、數(shù)據(jù)集、交叉驗證的概念和實踐。
文字能說清的用文字、圖片能展示的用、描述不清的用公式、公式還不清楚的寫個簡單代碼，一步步理清各個環(huán)節(jié)和概念。
再到成熟代碼應(yīng)用、模型調(diào)參、模型比較、模型評估，學(xué)習(xí)整個機器學(xué)習(xí)需要用到的知識和技能。
往期精品(點擊圖片直達文字對應(yīng)教程)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
后臺回復(fù)“生信寶典福利第一波”或點擊閱讀原文獲取教程合集
（請備注姓名-學(xué)校/企業(yè)-職務(wù)等）