A diferença real para opaís", disse Abu-Mostafa, professor de engenharia elanãtrica e ciência da computação. Oitenta alunos já estavam na classe; outros 70 se inscreveram quando o novo desafio foi anunciado.

“Mesmo naquele esta¡gio inicial, a gravidade da pandemia estava ficando clara: estamos em guerra e o inimigo époderoso”, disse Abu-Mostafa. “Ainda não temos armas para combataª-lo, nem cura, nem vacina. Poranãm, háoutra arma essencial na guerra: a inteligaªncia. Precisamos saber o que o inimigo estãofazendo para podermos planejar com antecedaªncia. Meus alunos e eu pode ajudar a reunir essa inteligaªncia usando, apropriadamente, a inteligaªncia artificial, o assunto do meu curso. "

Embora muitos modelos para prever a propagação de uma doença já existam, poucos ou nenhum incorporam IA, que faz previsaµes baseadas em observações do que estãorealmente acontecendo, em oposição ao que os projetistas do modelo acham que deveria acontecer. A IA tem o poder de descobrir padraµes ocultos em dados que o olho humano pode não reconhecer.

"Os modelos epidemiola³gicos padrãofazem suposições ba¡sicas sobre como uma doença se espalhara¡ e, em seguida, permitem que vocêfaz ajustes com base nas taxas de infecção e recuperação e assim por diante. A IA, por outro lado, não toma nada como garantido", diz o estudante de graduação Dominic Yurk (BS '17), que era o encarregado da pedagogia do curso.

Se vocêestãotentando prever a propagação futura de COVID-19 em uma determinada área, não quer olhar para o que aconteceu antes e apenas trazr uma linha no futuro. Vocaª quer levar em consideração a densidade populacional e a mobilidade, se as pessoas va£o a restaurantes e trabalham, a capacidade do hospital na área, a incidaªncia de gripe no passado; hámuitos dados que podem ser relevantes para esse problema. A desvantagem do modelo epidemiola³gico padrãoéque não háuma maneira fa¡cil de adicionar esses fatores.

Os mais de 150 alunos da classe, que trabalharam em equipes competitivas de atéquatro pessoas durante abril e maio, foram encarregados de fazer previsaµes precisas sobre o impacto da doena§a. Para efeito da aula, eles se concentraram em prever as taxas de mortalidade, que eram a manãtrica mais confia¡vel para avaliar o impacto da doença em um determinado local, visto que os dados dos testes tendem a ser pouco confia¡veis ​​e não necessariamente abrangentes. Eles se lançaram ao desafio e gastaram milhares de horas no projeto. Eles coletaram todos os dados que pareciam relevantes, incluindo dados de mortalidade COVID-19, dados demogra¡ficos populacionais e densidades de comunidades afetadas, se as pessoas estãocumprindo ordens de permanaªncia em casa, estata­sticas cla­nicas, dados de gripe anteriores e assim por diante.

“Na³s definimos as regras da competição com os legisladores em mente”, disse Abu-Mostafa. "Aqui estãoum exemplo do que deve ser evitado: em algum momento de abril, o estado da Gea³rgia tinha 590 leitos de unidade de terapia intensiva (UTI) dispona­veis. Naquela anãpoca, um modelo proeminente previa que os pacientes COVID-19 da Gea³rgia precisariam de entre 424 e 1.928 leitos de UTI a qualquer momento. Uma previsão tão imprecisa não ajuda os formuladores de políticas ", disse Abu-Mostafa.

No final, cerca de 40 equipes produziram modelos via¡veis ​​capazes de fazer previsaµes razoa¡veis, e as dez primeiras competiram com os modelos existentes em termos de capacidade de fazer previsaµes precisas sobre o impacto futuro do COVID-19 em uma determinada comunidade. “Sa³ a partir desse curso, tivemos alguns modelos realmente bonitos”, diz Yurk.

Quando a aula terminou em junho, os alunos de Abu-Mostafa disseram a ele que queriam continuar o esfora§o durante o vera£o - pegar as melhores partes dos melhores modelos gerados pela classe e reuni-los em uma ferramenta única e ainda mais poderosa. Ele selecionou oito alunos de pós-graduação (incluindo Yurk) e 18 alunos de graduação e encarregou sua nova equipe de criar um modelo com um escopo expandido, fazendo previsaµes rápidas e precisas sobre as taxas de mortalidade, número de infecções e taxas de positividade dos testes.

Ele então teve cerca de dois dias para levantar fundos suficientes para manter o projeto em andamento.

Abu-Mostafa abordou o curador saªnior da Caltech Charles Trimble (BS '63, MS '64), que já estava financiando um projeto em andamento de Abu-Mostafa para acoplar o aprendizado de ma¡quina a sensores baratos para melhorar a telemedicina. Abu-Mostafa perguntou se ele poderia redirecionar esses fundos para apoiar sua equipe recanãm-formada. Trimble respondeu quase imediatamente com um entusia¡stico "sim".

"Quando Yaser me ligou sobre sua ideia para um projeto de vera£o COVID-19, obviamente fez sentido para ele, seus alunos, Caltech e opaís", disse Trimble. "Foi incrivelmente ambicioso e teve uma alta recompensa. Para mim, apoiar o professor tem precedaªncia sobre o projeto. O sucesso da Caltech vem de apoiar pesquisadores onde quer que seus interesses os levem."

Mais tarde, Abu-Mostafa também garantiu o apoio do Clinard Innovation Fund , estabelecido pelo empresa¡rio e aluno de engenharia da Caltech Gary Clinard (BS '65, MS '66) para o avanço da pesquisa interdisciplinar em engenharia e ciências aplicadas na Caltech. Cerca de 80 por cento dos fundos recebidos pelo projeto financiaram sala¡rios de estudantes-pesquisadores e o restante para tempo de processamento no Centro de Computação de Alto Desempenho (HPC) em Caltech.

Com o financiamento do projeto definido, Abu-Mostafa se conectou a funciona¡rios de saúde pública, comea§ando pelo Departamento de Saúde Paºblica de Pasadena, para reunir informações sobre os tipos de previsaµes que seriam realmente aºteis para os tomadores de decisão que estãocoordenando a resposta da nação COVID-19.

Acontece que os dados de mortalidade são são aºteis para as autoridades de saúde cerca de três a quatro dias antes do tempo, disse Abu-Mostafa. O que as autoridades de saúde pública realmente precisam, ele aprendeu, éde informações sobre a taxa de infecção e com atéum maªs de antecedaªncia. Esses dados podem servir como um bara´metro do risco de que a doença saia do controle em uma área. "Eles também nos disseram que precisavam de ferramentas 'e se' que lhes permitissem prever a eficácia de possa­veis intervenções, como fechar restaurantes ou obrigar a cobrir o rosto", disse Abu-Mostafa.

Sabendo do tributo que a COVID-19 continua cobrando do mundo, a equipe tem mantido um ritmo frenanãtico de trabalho, com resultados expressivos. Eles regularmente comparam as previsaµes feitas por seu modelo com as previsaµes feitas por outros modelos populares.

“Ha¡ cerca de uma daºzia de modelos em uso com os quais nos avaliamos. No ini­cio do vera£o, já ta­nhamos um modelo que podia competir com os do meio. Mas precisa¡vamos ser melhores. lançou apenas mais um modelo, ninguanãm iria realmente se beneficiar ", diz Yurk.

Abu-Mostafa espera que a ferramenta de previsão AI COVID-19 da equipe esteja conclua­da e pronta para testes no final de agosto.

"Ao aceitar este desafio, jogamos nosso chapanãu em um ringue lotado. Existem muitas outras equipes ao redor do mundo que estãotrabalhando para o mesmo objetivo. No entanto, podemos dizer com sinceridade: que vena§a a melhor equipe. Afinal, estamos mais interessados ​​em vencer a guerra do que em uma competição. Quando o COVID-19 for derrotado, todos teremos motivos para comemorar ", disse Abu-Mostafa.

O modelo COVID-19 pode ser encontrado em http://cs156.caltech.edu .