金磊 曉查 發(fā)自 凹非寺?
量子位 報(bào)道 | 公眾號(hào) QbitAI

年僅27歲的他，被彭博評(píng)價(jià)為“新冠病毒數(shù)據(jù)超級(jí)明星”。

為什么？

憑一己之力，僅用一周時(shí)間打造的新冠預(yù)測(cè)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(yàn)加持的專業(yè)機(jī)構(gòu)。

他就是Youyang Gu，擁有 MIT 電氣工程和計(jì)算機(jī)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(gè)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(píng)價(jià)道：

唯一看起來合理的模型。

他是唯一一個(gè)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(guó)疾控中心采用。

到底是個(gè)怎樣的預(yù)測(cè)模型？

時(shí)間點(diǎn)要追溯到去年年初。

當(dāng)時(shí)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(cè)接下來疫情會(huì)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(jī)構(gòu)打造的預(yù)測(cè)系統(tǒng)——倫敦帝國(guó)理工學(xué)院、總部位于西雅圖的健康指標(biāo)與評(píng)估研究所（IHME）。

但2家機(jī)構(gòu)給出的預(yù)測(cè)結(jié)果卻是天差地別：

• 倫敦帝國(guó)理工學(xué)院：到夏天，美國(guó)因新冠病毒而死亡的人數(shù)將達(dá)到200萬(wàn)。

• IHME：預(yù)計(jì)到8月，死亡人數(shù)將達(dá)到6萬(wàn)。
  

（后來的事實(shí)證明，死亡人數(shù)是16萬(wàn)。）

2家專業(yè)機(jī)構(gòu)給出的預(yù)測(cè)數(shù)據(jù)，差距為何能夠如此之大？

這就讓當(dāng)時(shí)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(yàn)，但他堅(jiān)信，數(shù)據(jù)預(yù)測(cè)在此時(shí)會(huì)派上大用場(chǎng)。

于是，大約在4月中旬，Youyang Gu便在家里僅花了一周時(shí)間，打造出了自己的預(yù)測(cè)器，以及一個(gè)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(gè)過程中所用到的方法，并不是說有多么的高級(jí)，相反，恰恰是比較簡(jiǎn)單的那種。

他首先考慮的是新冠病毒檢測(cè)數(shù)、住院人數(shù)和其他因素之間的關(guān)系，但在這個(gè)過程中，Gu卻發(fā)現(xiàn)各個(gè)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(shí)，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(cè)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(hào)”。

那么，預(yù)測(cè)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(shí)，他預(yù)測(cè)在5月9日，美國(guó)將有8萬(wàn)人死亡，當(dāng)天的實(shí)際死亡人數(shù)為79926。

而同樣來自IHME的預(yù)測(cè)數(shù)據(jù)卻是“2020年一整年的死亡人數(shù)將不超過8萬(wàn)”。

Gu還預(yù)測(cè)在5月18日，死亡人數(shù)將達(dá)到9萬(wàn)；5月27日，死亡人數(shù)將達(dá)到10萬(wàn)。

事實(shí)證明，他的這兩次預(yù)測(cè)再次“押中”！

除了精準(zhǔn)數(shù)字的預(yù)測(cè)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(cè)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(cè)當(dāng)天，特朗普所發(fā)表的言論卻是“IHME所預(yù)測(cè)的6萬(wàn)死亡人數(shù)表明，疫情很快將結(jié)束”……

或許正是因?yàn)镚u的模型預(yù)測(cè)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(shí)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(guó)疾病控制和預(yù)防中心，也在其新冠預(yù)測(cè)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(guó)移民的Gu，還參與了由美國(guó)專家團(tuán)隊(duì)組織的定期會(huì)議，每個(gè)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(zhǎng)，每天都有數(shù)百萬(wàn)人來看他的數(shù)據(jù)。

通常情況下，Gu的模型所預(yù)測(cè)的數(shù)據(jù)，基本在幾周后便會(huì)達(dá)到，與實(shí)際的死亡人數(shù)非常接近。

隨著類似的預(yù)測(cè)模型逐漸增多，阿默斯特馬薩諸塞大學(xué)生物統(tǒng)計(jì)學(xué)和流行病學(xué)系的副教授Nicholas Reich，便統(tǒng)計(jì)了50個(gè)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(gè)決定——結(jié)束他的預(yù)測(cè)任務(wù)。

對(duì)此，Reich這樣評(píng)價(jià)道：

Youyang Gu是一個(gè)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(xiàng)目的前一個(gè)月，他預(yù)測(cè)11月1日死亡人數(shù)將達(dá)到231000人，而實(shí)際人數(shù)為230995人。

但I(xiàn)HME的Chris Murray認(rèn)為：

Gu使用的機(jī)器學(xué)習(xí)方法，在短期預(yù)測(cè)方面的效果比較良好，但不太理解“大局中發(fā)生了什么”。

對(duì)此，Gu沒有針對(duì)模型的評(píng)價(jià)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(tuán)隊(duì)所做的工作；沒有他們，我就不會(huì)有今天的成就。

在休息了一段時(shí)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(cè)是“美國(guó)有多少人感染了新冠病毒”、“疫苗推出的速度有多快”、“美國(guó)可能何時(shí)（如果可能的話）達(dá)到群體免疫”等。

他的預(yù)測(cè)表明，到今年6月，大約61%的美國(guó)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(duì)社會(huì)產(chǎn)生巨大影響的工作，同時(shí)避免政治、偏見以及大型機(jī)構(gòu)有時(shí)會(huì)帶來的負(fù)擔(dān)。他認(rèn)為：

在這個(gè)領(lǐng)域，有很多缺點(diǎn)可以通過我這種背景的人來改善。

誰(shuí)是Youyang Gu？

Youyang Gu出身于美國(guó)華裔移民家庭，在伊利諾伊州和加州長(zhǎng)大。

Gu從小喜歡數(shù)學(xué)和科學(xué)，直到高中畢業(yè)時(shí)，才真正接觸計(jì)算機(jī)科學(xué)。而他能夠進(jìn)入這個(gè)行業(yè)得益于他的父親，因?yàn)樗母赣H是一名計(jì)算機(jī)從業(yè)者。

△正在做化學(xué)實(shí)驗(yàn)的Gu Youyang（圖片來自2010年克拉克獎(jiǎng)學(xué)金項(xiàng)目）

Gu本科和碩士都在MIT就讀，在那里他獲得了計(jì)算機(jī)科學(xué)與數(shù)學(xué)雙學(xué)士學(xué)位，以及計(jì)算機(jī)科學(xué)的碩士學(xué)位。

畢業(yè)后他繼續(xù)在MIT著名的CSAIL實(shí)驗(yàn)室的NLP組進(jìn)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(jì)模型對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)。

不過他沒有因此繼續(xù)學(xué)術(shù)研究，而是進(jìn)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(jìn)一步磨練，因?yàn)樵诮鹑诮灰字?#xff0c;數(shù)據(jù)必須非常定量并盡可能地準(zhǔn)確。

之后，他又進(jìn)入了體育界，繼續(xù)進(jìn)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(yàn)，使他能夠成功應(yīng)對(duì)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(zhǎng)是使用機(jī)器學(xué)習(xí)來理解數(shù)據(jù)，將信號(hào)與噪聲分離并做出準(zhǔn)確的預(yù)測(cè)。

在建立新冠死亡模型時(shí)，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(bào)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(shí)間里，他就根據(jù)死亡數(shù)據(jù)便建立了一個(gè)簡(jiǎn)單模型，并將預(yù)測(cè)網(wǎng)站上線。

從去年4月以來，Gu已經(jīng)自愿在這個(gè)項(xiàng)目中投入了幾千個(gè)小時(shí)，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(shí)，Gu表示自己現(xiàn)在全職投入到新冠預(yù)測(cè)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(gè)公益的項(xiàng)目卻遭到了一些Twitter網(wǎng)友非議，但是他還是堅(jiān)持了下來。

從12月開始，covid19-projections.com接受網(wǎng)友的捐贈(zèng)幫助，現(xiàn)在已經(jīng)完成了5萬(wàn)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(gè)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(gè)月，Gu又將“群體免疫”改成了“恢復(fù)常態(tài)”，因?yàn)樗哪Ｐ皖A(yù)測(cè)表明，美國(guó)不太可能在2021年達(dá)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(shí)過早，雖然他現(xiàn)在的工作是預(yù)測(cè)疫情發(fā)展，但是他很難預(yù)測(cè)自己3個(gè)月或1年后要做什么。

因?yàn)檫@項(xiàng)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(jī)器學(xué)習(xí)系列教程

從隨機(jī)森林開始，一步步理解決策樹、隨機(jī)森林、ROC/AUC、數(shù)據(jù)集、交叉驗(yàn)證的概念和實(shí)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(gè)簡(jiǎn)單代碼，一步步理清各個(gè)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(píng)估，學(xué)習(xí)整個(gè)機(jī)器學(xué)習(xí)需要用到的知識(shí)和技能。

機(jī)器學(xué)習(xí)算法 - 隨機(jī)森林之決策樹初探（1）

機(jī)器學(xué)習(xí)算法-隨機(jī)森林之決策樹R 代碼從頭暴力實(shí)現(xiàn)（2）

機(jī)器學(xué)習(xí)算法-隨機(jī)森林之決策樹R 代碼從頭暴力實(shí)現(xiàn)（3）

機(jī)器學(xué)習(xí)算法-隨機(jī)森林之理論概述

隨機(jī)森林拖了這么久，終于到實(shí)戰(zhàn)了。先分享很多套用于機(jī)器學(xué)習(xí)的多種癌癥表達(dá)數(shù)據(jù)集 https://file.biolab.si/biolab/supp/bi-cancer/projections/。

機(jī)器學(xué)習(xí)算法-隨機(jī)森林初探（1）

機(jī)器學(xué)習(xí) 模型評(píng)估指標(biāo) - ROC曲線和AUC值

機(jī)器學(xué)習(xí) - 訓(xùn)練集、驗(yàn)證集、測(cè)試集

機(jī)器學(xué)習(xí) - 隨機(jī)森林手動(dòng)10 折交叉驗(yàn)證

一個(gè)函數(shù)統(tǒng)一238個(gè)機(jī)器學(xué)習(xí)R包，這也太贊了吧

基于Caret和RandomForest包進(jìn)行隨機(jī)森林分析的一般步驟 （1）

Caret模型訓(xùn)練和調(diào)參更多參數(shù)解讀(2)

機(jī)器學(xué)習(xí)相關(guān)書籍分享

基于Caret進(jìn)行隨機(jī)森林隨機(jī)調(diào)參的4種方式

送你一個(gè)在線機(jī)器學(xué)習(xí)網(wǎng)站，真香！

UCI機(jī)器學(xué)習(xí)數(shù)據(jù)集

機(jī)器學(xué)習(xí)第17篇 - 特征變量篩選（1）

機(jī)器學(xué)習(xí)第18篇 - 基于隨機(jī)森林的Boruta特征變量篩選（2）

機(jī)器學(xué)習(xí)系列補(bǔ)充：數(shù)據(jù)集準(zhǔn)備和更正YSX包

機(jī)器學(xué)習(xí)第20篇 - 基于Boruta選擇的特征變量構(gòu)建隨機(jī)森林

往期精品(點(diǎn)擊圖片直達(dá)文字對(duì)應(yīng)教程)

機(jī)器學(xué)習(xí)

后臺(tái)回復(fù)“生信寶典福利第一波”或點(diǎn)擊閱讀原文獲取教程合集

?

（請(qǐng)備注姓名-學(xué)校/企業(yè)-職務(wù)等）

總結(jié)

以上是生活随笔為你收集整理的27岁华裔小伙搞出美国新冠最准预测模型，一人干翻专业机构，彭博：Superstar...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。