後疫情時代人工智慧如何助攻疫情控制

by omnixri

2020-05-14 23:54:431707 瀏覽次數


圖/文 歐尼克斯實境互動工作室 許哲豪 2020/5/14


新冠肺炎(COVID-19)全球疫情目前仍持續延燒中,確診案例已突破400萬,死亡案例也逼近30萬大關[1]。透過戴口罩、減少社交活動、停止部份交通運輸及其它各種強制性手段,部份國家確診及死亡案例成長速度已開始趨緩甚至停止、下降。在有效治療方案及疫苗量產前仍不能太過大意,一旦放鬆警戒就有可能造成疫情再次擴散。

疫情初期重點可能放在如何檢疫、防堵及減少傳播,但長期禁止民眾活動,不僅造成個人身心承受過多壓力,更造成經濟停滯、失業率提升,因此目前許多國家已開始考慮逐步開放民眾半正常生活,開啟「後疫情時代」持續和病毒共存作戰。

為了使疫情在一定風險下仍能控制在可以負擔的程度內,動用大量人力實施體溫量測、列管人員行蹤監控、提醒社交距離及遠端照護等是最顯而易見的方式。若能藉人工智慧(AI)的力量來協助,就可大幅降低人力負擔、民眾不方便性及隱私問題,進而提高監控的有效性及執行效率。

接下來就以「列管人員定位」、「遠端居家照護」及「社交距離監控」為例,說明人工智慧如何在「後疫情時代」給予強力助攻控制疫情發展。


列管人員定位


台灣目前防疫成果有目共睹,連前不久(2020/4/1)史丹佛大學舉辦的「COVID-19 and AI: A Virtual Conference」[2]都有講者以獨立篇幅介紹[3]。在簡報中有介紹對於居家隔離人員會由鄰里長或里幹事定時打電話關懷及提供食物以確保沒有外出造成感染源。另外在鑽石公主號停靠後對於旅客曾到過的地方亦以細胞簡訊方式發送給可能接觸過的民眾。

雖然得到外國專家的讚賞應該高興才是,但實際在台灣第一線服務人員根本高興不起來,因為除了面對過多被隔離人數造成的工作壓力外,還有冒著被感染風險,更有因被隔離者不服約束自行外出造成新一波感染源的問題。

有鑑於此,政府開始推動關懷APP[4]來追蹤被管制人員行蹤及可能接觸史,但這些系統多半使用手機中的全球定位系統(GPS)模組進行定位,在室外的定位精度約1~5米,而在室內或有遮蔽的環境下則難以發揮功能。因此就有像太和光[5]或天奕[6]這類廠商提供低功耗藍牙信標(Beacon)定位技術來改善室內定位問題。

表面上這類技術好像和人工智慧無關,但實務上為了使用最少的偵測信號源及降低室內各種屏蔽(牆壁、門窗)及雜訊干擾(多重反射、吸收)造成的問題,因此需要很多人工智慧技術協助分析才能達到公分等級精準度。

當有了精準定位後,在防疫上就能協助偵測被管制人員是否離開指定場域。若應用在公司中,在每張識證中加入信標,如此即可得知同事及訪客之間移動歷程及接觸史,有利於感染源回溯,免去疫調時有誤報或漏報情況產生。


Fig. 1 手環型低功耗藍牙信標,左:太和光[5],右:天奕科技[6]


遠端居家照護


在疫情肆虐下,醫護人力嚴重短缺,除了重症患者外,慢性病患者、行動不便、老年人及輕症患者根本很難得到像疫情大流行前那樣地妥善照護。若再加上居家隔離問題,使得原本的私人看護人員或家人也不得接近時,那原本身體狀況不佳的非染疫患者,也有可能因此病重甚至死亡。

前不久知名人工智慧專家史丹佛大學李飛飛教授也在「COVID-19 and AI: A Virtual Conference」提出如何以AI輔助老年照護於急性感染和慢性疾病[7],期望藉此來分擔醫護及長照人員的工作,並能及時提供相對應的服務。

這項技術共結合了四項感測元件,包括彩色(RGB)攝影機、深度(Depth)攝影機、紅外線感溫(Thermal)攝影機及穿戴式(Wearable)感測器(如智能手環),而目前專注於前三項。從應用面來看,主要針對人員移動性(Mobility)、感染監控(Infection)、睡眠(Sleep)及飲食(Diet)等日常活動進行分析,藉此偵測感染早期症狀(如發燒)、監控輕症患者及管理慢性病。

該系統分為四個工作階段,首先透過感測元件收集大量資料,接著對資料進行標註、加密及傳輸到伺服器,然後開始訓練及佈署模型,最後即可對場域端進行運算及分析,並以手機APP通知日常或緊急狀態給對應的家人或醫療人員。

另外為了個人隱私問題,這裡運用到聯合(或稱聯盟)學習 (Federated Learning)技術,和一般集中大量資料集標註後再訓練、佈署作法有很大不同。每個家庭所收集到的原始資料(彩色、深度、熱感影像等)並不直接上傳,而是透過初始模型計算輸出結果後,經加密再上傳至主機伺服器。當收集到來自各個家庭的輸出結果後,計算出新的模型參數後再將模型重新傳回各個家庭,反複執行到模型訓練完成,如此即可保障個人隱私問題。


Fig.2 史丹佛李飛飛教授的AI輔助老年及疫情照護系統[7]


社交距離監控


為了降低疫情傳播速度,除了建議配戴口罩外,保持一定的社交距離也是必要的。依目前衛服部疾管署建議,人員於室內應保持1.5公尺,室外1公尺的社交距離,以免有飛沫傳染的風險,但一般人常會忘了這項保護彼此的作法,所以有必要透過AI來分析影像,計算人員間是否保持安全距離,以利通知相關人員進行勸導。

行政院和台灣人工智慧實驗室(Taiwan AI Labs)最近合作開發了一款社交距離APP[8],開啟藍牙後就能偵測彼此距離,若接觸過確診者或是在人潮密集處就會發出警告。雖然這項技術有採用動態浮動ID來避免個資(包含行蹤軌跡)外流,較新加坡採用固定ID方式來的先進,但一般民眾還是會有點擔心而不願安裝這款APP,導致失去警示的作用。

前不久知名人工智慧專家吳恩達教授的Landing.ai團隊推出一個可以偵測社交距離的軟體[9],雖然沒有明確說明是使用了何種技術及表現如何,但從展示影片中大概可以推估可能是用了類似YOLO之類的「物件偵測」技術來分析影像中行人的位置,再以外框盒的中心去量測兩兩之間的距離(像素),若太近則出現紅色警示。由於攝影機視角有一定的透視失真(Perspective distortion),所以使用前還須做簡單校正,以免誤報。

為了跟上這股風潮,一家邊緣智能的供應商Neuralet馬上開源出一整套完整的智能社交距離(Smart Social Distancing)偵測範例程式及說明文檔[10][11],並且可以在NVIDIA Jetson Nano或Google Coral(Edge TPU)小型的AI開發板上執行,讓想自行開發的人有參考範例。

Neuralet主要應用了SSD-MobileNet-V2和MS CoCo Dateset進行推論,用以偵測行人位置。但由於這些深度學習模型並不會記錄前後幀影像相同行人的位置,所以要再加上相同物件追蹤功能。另外為了更正確計算人與人之間的距離,所以用了一個簡單的公式來校正透視失真問題。而人機介面部份提供了一些可視化工具,方便分析行人數量變化圖及違反社交距離的數量變化圖。後續若再搭配地圖就能更正確呈現出人群聚集熱點,就不會再有人工判定失準問題產生。


Fig. 3 Neuralet 開源智能社交距離偵測系統,上:偵測結果圖,紅框表距離過近,左下:透視失真校正原理示意圖,右下:行人數量圖,藍色為行人總數,橙色為距離過近行人數。[11]


小結


在尚未找到有效治療方案及疫苗問世前的「後疫情時代」,我們無法期望完全無人確診及無人傳播,但可以藉助人工智慧的力量來幫忙「列管人員定位」、「遠端居家照護」及「社交距離監控」,藉此來延緩甚至降低疫情傳播速度並加強遠端照護力道,以期望大家早日度過這段健康黑暗期。


*本文同步發行於歐尼克斯實境互動工作室部落格(https://omnixri.blogspot.com)及AI HUB(https://aihub.org.tw),歡迎連結至AI HUB網站【社群互動】下【AI技術交流區】瀏覽更多精采文章*


延伸閱讀


[A] 許哲豪,【AI HUB專欄#01】新冠肺炎升溫如何應用人工智慧技術超前部署

https://platform.aihub.com.tw/specialist/article/908a7490-805a-11ea-8d91-0242ac120002

[B] 許哲豪,【AI HUB專欄#02】如何應用人工智慧技術精準預測疫情發展

https://platform.aihub.com.tw/specialist/article/e34f202e-89a9-11ea-ad36-0242ac120002


參考文獻


[1] WHO Coronavirus Disease (COVID-19) Dashboard https://covid19.who.int/

[2] Standford, COVID-19 and AI: A Virtual Conference https://hai.stanford.edu/agenda-covid-19-and-ai-virtual-conference

[3] Stanfords Jason Wang: How Taiwan Used Data Analytics to Control COVID-19 https://youtu.be/eOoG5dxgCl8

[4] 工研院「智慧關懷居家管理系統」 https://www.moea.gov.tw/MNS/doit/activephoto/ActivePhoto.aspx?menu_id=13399&ap_id=14032

[5] 太和光(THLight) http://www.thlight.com

[6] 天奕科技 https://www.starwing.com.tw

[7] Fei-Fei Li, AI-Assisted Elderly Care for Acute Infection and Chronic Disease

Video: https://youtu.be/YzqRd5tOAOk?list=PLYLBSCrrqNXxhUFJJtKauxr5HItq4a3gu

Slide: https://hai.stanford.edu/sites/default/files/20-fei-fei_senior_care_amid_covid-19_outbreak_-v4_1.pdf

[8] 社交距離APP曝隱私? 台灣AI實驗室:比歐盟規範更嚴 https://digi.ey.gov.tw/Page/1538F8CF7474AB4E/61848105-b324-49f4-b0e4-d5488ee3dcee

[9] Landing AI Creates an AI Tool to Help Customers Monitor Social Distancing in the Workplace https://landing.ai/landing-ai-creates-an-ai-tool-to-help-customers-monitor-social-distancing-in-the-workplace/

[10] Galliot Smart Social Distancing on the Edge of AI https://galliot.us/solutions/smart-social-distancing/

[11] Neuralet Smart Social Distancing

Doc: https://neuralet.com/docs/tutorials/smart-social-distancing/

Code: https://github.com/neuralet/neuralet/tree/master/applications/smart-distancing