“非必要不出遊”，這個句子隨著疫情的持續已深入人心。 但對於以旅遊業為支柱的國家來說，這句話是一個必須驅趕掉的噩夢。 比如希臘。 旅遊業是希臘重要經濟支柱，佔國內生產總值 20% 以上。 希臘有大約 1100 萬人口，近年來每年接待超過 3300 萬遊客，旅遊業占該國就業人數的近 20%。

疫情的爆發對這個國家的經濟帶來了破壞性影響，以致於疫情爆發不久，當一位數據科學家給希臘總理發送郵件、詢問他們是否需要任何額外的建議時，他在數小時內就收到了 Kyriakos Mitsotakis 總理的答覆。

這位數據科學家名叫 Kimon Drakopoulos，在洛杉磯的南加州大學從事數據科學工作，來自希臘。

彼時，歐盟要求成員國從 2020 年 7 月起允許”非必要旅行”，其中許多成員國在3月實施了廣泛的封鎖。 希臘政府在決定何時以及如何重新開放邊境方面需要説明。

與許多其他國家一樣，希臘缺乏對所有旅客進行檢測的能力，尤其是那些沒有出現癥狀的旅客。

2020 年 8 月至 11 月期間，根據 Drakopoulos 及其同事的意見，當局啟動了一個由多國科學家小組開發的系統，該系統使用機器學習演算法來確定哪些入境旅客應接受 COVID-19 檢測。

結果發現，機器學習在識別無癥狀人員方面比隨機測試或基於旅行者原籍國的測試更有效。 根據研究人員的分析，在旅遊旺季，該系統檢測到的受感染旅客是隨機檢測的兩到四倍。

這個系統稱為 Eva。 由南加州大學馬歇爾商學院的 Kimon Drakopoulos 和 Vishal Gupta，賓夕法尼亞大學沃頓商學院的 Hamsa Bastani，AgentRisk 的創始人 Jon Vlachogiannis，以及希臘政府官員合作開發。

詳細介紹 Eva 的論文發佈於近日的《自然》雜誌。 論文標題為 Efficient and targeted COVID-19 border testing via reinforcement learning。

在人類利用 AI 對抗新冠疫情的諸多嘗試中，Eva 可謂是實踐中最為成功的案例之一。

Eva 的成功之處

簡單來說，Eva 可使用即時數據識別高風險訪客進行測試。

圖丨Eva工作流程示意圖

在整個 COVID-19 大流行期間，不少國家依靠各種臨時邊境控制協定，在保障公共衛生的同時允許必要的旅行：從隔離所有旅行者，到根據病例、死亡或陽性檢測率等全民流行病學指標限制特定國家人員入境。

許多國家/地區會隨機或根據風險類別選擇旅客進行COVID-19測試。 例如，來自高感染率地區的人可能比來自低感染率地區的人優先接受檢測。

但 Eva 有所不同，Eva 將即時檢測數據與訪客在抵達前 24 小時填寫的簡單表格中的資訊相結合，為每位訪客建立風險狀況評估，建議哪些遊客在抵達時應接受 COVID-19 檢測，哪些遊客可以不經檢測就安全入境。

最關鍵的是，與全國範圍的方案不同，部署於希臘邊境的 Eva，不僅收集了旅行歷史資訊，還從進入希臘所需的乘客資訊表中收集了年齡和性別等人口統計數據，然後將這些特徵與之前接受過測試的乘客的數據進行匹配，並利用該結果來估計個人的感染風險，進而分配希臘有限的檢測資源。

借助 Eva，希臘每天對抵達或途經該國的估計 41，830 戶家庭中的約 17% 進行檢測。 通過將 Eva 的性能與類比情景進行比較，研究發現，Eva 發現的感染的旅行者比原先嚴格按照其國籍檢測的方式（即只利用流行病學指標的檢測政策）多 1.25-1.45 倍。 與隨機檢測相比，Eva 在旅遊旺季（8 月和 9 月）發現感染的旅行者是前者的 4 倍，非旅遊旺季的結果是隨機檢測的 1.85 倍。

圖丨Eva 與隨機監測試驗的比較

也就是說，Eva 證明瞭強化學習演算法和實時數據在保障公共衛生方面的潛力。

Eva 的基礎演算法，強調從實時數據中學習，而且團隊還為演算法搭建了一個數據”通道”，使其可以以近乎即時的方式無縫、安全地訪問來自不同希臘政府資料庫匿名數據。 這也得益於開發團隊與希臘公共衛生和政策領導人的順流接洽，他們可以持續根據希臘的特殊情況調整 Eva。

Eva 的風險評估、測試分配和其他數據分析相組合，就像一個即時儀錶盤，直觀地向希臘政府展示最新資訊，以供決策參考。

“希臘模式”，未來可期？

毫無疑問，Eva 的成功給了整個團隊莫大的鼓舞。

“我們與 Eva 的合作證明，仔細整合實時數據、人工智慧和精益運營比傳統的、廣泛使用的流行病管理方法具有巨大的優勢。

Eva 最令人興奮的元素之一是其學習、改進和發展的能力。 在這場大流行中，實時適應是至關重要的，那裡的局勢可能在一兩天內發生巨大變化。 新的測試結果不斷地被納入動態學習演算法中，這使得 Eva 比靜態 COVID-19 篩選策略具有明顯的優勢。 這是循證決策的令人興奮的一步。 “團隊成員、南加州大學馬歇爾大學數據科學副教授 Gupta 說。

“對我來說，這不僅是要把我在數據科學方面的工作應用於説明希臘人民，而且也要説明那些熱愛旅行並擔心旅行安全的世界人民。” ，從一封郵件開始促成 Eva 的 Drakopoulos 說道。

“Bastani、Drakopoulos、Gupta 和 Vlachogiannis 開發的人工智慧系統不僅為國家向世界各地的遊客開放做了準備，也為我們的 COVID-19 戰略決策提供了靈活性，”Nikos 希臘公民保護部和危機管理部副部長，負責該國 COVID-19 應急工作組的 Hardais 說。

Eva 誕生的根本原因在於，由於供應鏈問題，希臘本國的 COVID 檢測用品供應有限，在資源有限的情況下，他們必須確定通過其邊境 40 個不同入口中的任何一個入境的可能受感染旅行者。 希臘所面臨的這種挑戰，也是很多國家都在面對的。 這也意味著，Eva 或許也能説明其他這些國家。

但這又涉及到另一個問題，那就是數據共用。

其實，在流行病爆發期間，關於如何部署大數據和人工智慧來改善公共健康或評估大流行的經濟影響，一直不乏想法。

然而，這些想法很少付諸實踐，這在一定程度上是因為持有相關數據（如行動電話記錄或金融交易細節）的公司和政府，在與研究人員共享數據之前，需要建立數據交換系統。 目前還不清楚如何獲得使用此類個人數據的許可，以及如何確保這些數據被安全、安全地存儲。

而 Eva 是在諮詢律師後開發的，律師確保該專案遵守歐盟通用數據保護條例（GDPR）提供的隱私保護。 根據GDPR，航空公司等收集個人數據的組織需要遵循安全標準，並獲得存儲和使用數據的許可，並與公共機構共用這些數據。 收集的資訊往往僅限於所述目的所需的最低數量。

現在已有多種收集數據的方法，但許多政策制定者在流行病爆發期間仍無法訪問和利用數據。 各國政府渴望在突發衛生事件中部署大數據應對措施，但這也需要建立在法律、道德的基礎之上。 如果要複製 Eva 的成功，研究人員和資助者應提前制定數據共享協定和隱私保護協定。

無論如何，Eva 展示了這種可能性。 如團隊成員 Vlachogiannis 所言：”對那些熱愛旅行、渴望走出大流行的人來說，這是充滿希望的時刻。 此外，這也是由數據科學、機器學習和演算法支援政府管理的具有重要性的時刻。 ”