隨著新型冠狀病毒在中國以及其他多個國家蔓延,不禁讓筆者想起自己2003年SARS爆發(fā)期間在香港的所見所聞。
當時是春季,我把大部分時間用在居家辦公,偶爾出門也會記得戴好口罩。我的主要工作,就是報道這種疾病以及有關各方為了遏制疾病蔓延所做出的不懈努力。
每一天,我都會訪問一個可信度極高的香港官方網(wǎng)站,跟進新一天內(nèi)出現(xiàn)的最新病例。當看到患病人數(shù)最終下降時,我真的松了一口氣。但現(xiàn)在回頭看來,SARS似乎只是流行病爆發(fā)戰(zhàn)場上的“第一槍”。
可以肯定的是,下一場大規(guī)模疫情仍將到來,甚至可能像1918年的西班牙流感那樣感染高達十億人口。最重要的問題是,新的疫情將何時出現(xiàn)、在哪里出現(xiàn),以及我們是否做好了集體應對準備。這里之所以要強調(diào)“集體”,是因為疫情的傳播不會受到護照或者連接的限制。這一切也與誰的軍力更強、誰的經(jīng)濟規(guī)模更大無關——我們只能立足人類整體進行判斷,否則最終必將在對抗當中一敗涂地。
事實上,疾病流行與氣候變化之間也存在著密不可分的關系。最重要的是,全球變暖確實給不少新型疾病帶來媒介。隨著西伯利亞等地區(qū)永久凍土的逐漸融化,已經(jīng)被凍結(jié)了數(shù)千年的病毒將重新出現(xiàn),而動物和人類對它們已經(jīng)不再具有抵抗力。
此外,荒漠化與全球變暖帶來的其他副作用也開始改變生物活動范圍之間的界線,導致很多從未相遇的物種正面接觸。而這,正是病毒邁出的傳播第一步。
那么,我從SARS爆發(fā)中得到了哪些教訓?第一點,我們必須在人類身上的本能表現(xiàn)與英雄主義傾向之間,著力思考本能這個側(cè)面。根據(jù)我的觀察,SARS疫情在不同文化背景下的影響存在著顯著差異。
中國最初擔心消息傳出會引發(fā)經(jīng)濟損失或者政治動蕩,因此打算進行一波情況管制,并最終導致病毒傳播的距離與時間被不必要地延長。此后雖然轉(zhuǎn)而采取開誠布公的態(tài)度,但謠言四處流傳,甚至盛行于事實之上,嚴重影響到官方回應的效果。
相比之下,新加坡則堅守科學思維,通過即時隔離將疫情盡早送進籠子。雖然我最初也覺得這種粗暴的隔離太過嚴格,不過確實可以理解。臺灣省方面在面對疫情時,民眾的本能陰暗面有所暴露——某些醫(yī)護人員為了保護自己以及家人,不再堅守在抗擊SARS的第一線。而在香港(當然也包括臺灣省的大部分地區(qū)),情況則恰恰相反,醫(yī)生與護士精心照料病患,并與病毒展開英勇的斗爭。
卡繆的《鼠疫》以及薩拉馬戈的《失明癥漫記》等作品,早已預見到人類個體乃至人群在面對這類危機時有可能做出種種不可預測的反應。有些人會囤積其他人急需的藥品或食物,有些人則會打破隔離,出逃與親人團聚。有些人會堅持履行職責,有些人則選擇臨陣脫逃。
中國在SARS風波中學到的最大教訓,就是無論看起來多么殘酷而不通人情,政府必須秉持誠實與透明的施政方針。事實越多越好,而刻意隱瞞只會帶來新的危機。一旦民眾與國家之間的信任破裂,控制疫情將成為一項幾乎不可能完成的任務。
值得慶幸的是,我們還從中學到同樣重要的另外一課。在現(xiàn)代自由社會當中,同樣應該謹慎地使用一定程度的篩查與監(jiān)控手段。這類監(jiān)控機制將在事件爆發(fā)時帶來巨大助益。就在當下,世界各地的機場正在利用數(shù)字化手段對來自武漢這一疫情爆發(fā)中心的旅客們進行實時體溫檢測。
當然,隔離首先應當遵循自愿原則,而且應該得到企業(yè)雇主以及政府方面的積極支持。大家可以選擇居家辦公,不必擔心企業(yè)方面的任何指責。人們可以按照自己的意愿行事,同時接受機關單位的引導。后政府機關的信任度越高,民眾就越是能保持鎮(zhèn)定的心態(tài)與合作態(tài)度。另外,一旦爆發(fā)失控,政府必須有魄力采取隔離這一強制性措施。
但是,最深刻的教訓在于,我們?nèi)祟惐仨氉鳛橥晃锓N開展合作,采取多邊主義這一看似過時的地緣政治思維。事實上,我們?nèi)祟愰_發(fā)出的藥物,一直與病毒、細菌以及真菌的進化開展緊張的軍備競賽。每當出現(xiàn)新型病毒,所有人都可能遭到威脅,因此對抗這種威脅的重擔也自然應該由全人類共同承擔。
這意味著無論新病毒的基因組源自哪里,我們都應該對其進行測序,并將結(jié)果像開源代碼那樣快速交付給全球各地的研究人員。(當然,需要確保對方身為世界衛(wèi)生組織或者其他類似機構(gòu)的認證科學家,以避免這些基因組落入恐怖分子手中。)接下來,所有實驗室與科學家都應該與整個行業(yè)分享自己的見解。
但壞消息是,我們無法確定人類是否能夠在全球氣候變化或者流行病的威脅之下真正團結(jié)起來。畢竟人類天然更重視自己的利益,或者是自己所在國家的利益,而很難將全人類視為一個整體。
最后來看看好消息,這同時也是我個人在SARS當中總結(jié)出的結(jié)論——每當人類聯(lián)合起來戰(zhàn)勝新威脅后,我們都會意識到不同國家、不同族群之間擁有很多共同點。牢記這種共同點,將幫助我們在下一次對抗中表現(xiàn)得更好。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。