分享

GFT诞生背景与应用基础

副标题：愿科技进步惠及每一个人

这是一个给GFT舔脚的系列。前面三篇文章从方法论的角度解剖GFT，本文作为这个系列的终结，为达到“划上圆满句号”的华丽特效，将从（伪）“形而上”的高度俯视GFT，品味一个高科技产品的人文情怀。

作为一个自由主义者，笔者拥护“个人自治权”，认为理想的社会组织应能够确保每个个体的行为不受限制，正当的“灵魂”运行模式应是由内而外的感受“什么是我想做的”，而非由外而内的将“什么是需要我做的”强加到个体身上。

在这样的指导思想下，本文首先用明确的语言表述GFT团队想做的事，其次证明这样一件事是被“需要”的（上纲上线[狂汗]，笔者很无奈），再后是这件事的“可行性”，最后有关GFT的实现过程前面三篇文章已介绍过。这个逻辑顺序自然是笔者主观臆测。笔者只是按照自己的情感倾向，在孤立的环节间建立关联。然而作为一个理想主义者，笔者愿意为营造这样美好的未来而奔走。

言归正传。

1. What is it?

心理学上有名的five stages of grief中蕴含着一个很有趣的现象。五个阶段分别是[2]：

1)         “否认”：“不会吧，不可能会是这样。我感觉没什么事啊。”

2)         “愤怒”：“干嘛啊，这不公平！这怎么可能让人接受！”

3)         “讨价还价”：“让我活着看到我的儿子毕业就好。求你了，再给我几年时间。我什么都愿意做。”

4)         “抑郁”：“唉，干嘛还要管这些事啊？反正我都要死了。也没什么意义了。”

5)         “接受”：“我没问题的。既然我已经没法改变这件事了，我就好好准备吧。”

心理学家用这五个阶段描述人们经历哀伤或失去的过程。“有趣”的地方在于，“接受”是最后一个环节。在前面四个阶段，人们拒绝正确地认识现实，对“客观”也抱持着偏激的态度。我们可以从中学到的是，在到达“正确”之前，必然会受到“干扰项”的蛊惑。为避免弯路和不脚踏实地的态度，“明确定义”是第一步。而将模棱两可的想法实实在在的写下来的过程最有助于厘清思路。

简单粗暴地说，GFT analyze large numbers of Google search queries to track influenza-like illness in a population [1].如果将GFT比作奶牛，它吃进去的草是Google服务器日志中记录的用户提交的检索词，它挤出来的奶是人口中的流感患病情况。

单看效用（理想情况下），它可以向地球人提供每个区域的人口中流感（后来又增加了登革热）患病比例。为追求更高的准确率，需满足的前提是（区域）人口中包含足够数量的Google用户（这其中又隐含了互联网基础设施建设、公民教育普及、人权实现率等，这些都是后话）。

2. Why is it?

运用大数据技术（吐槽：这个说法太模糊了）可以做很多改变世界、造福人类的事，比如运用贝叶斯概率模型结合random walk theory预测股市波动（准确率还蛮高，隐约记得高于80%——但这个概率在实际应用中对应的具体损失有待具体分析），可观的利润自然是池中之物，探囊可取。为什么选择预测流感发病情况呢？GFT团队是这样理解的：

（1）流感是人类个体遭受的苦难，减少社会累积财富。Seasonal influenza epidemics are a major public health concern, causing tens of millions of respiratory illnesses and 250,000 to 500,000 deaths worldwide each year. In addition to seasonal influenza, a new strain of influenza virus against which no previous immunity exists and that demonstrates human-to-human transmission could results in a pandemic with millions of fatalities.

（2）提前判断疫情有利于降低损失。Early detection of disease activity, when followed by a rapid response, can reduce the impact of both seasonal and pandemic influenza.

在前面的文章中提到过，在这几句类似宣言的外国文字的字里行间，笔者清晰地看见了三个代表中“代表最广大人民群众的根本利益”（笔者政治觉悟不高，如果理解的偏差太大，还请看官们多多包涵），也有与美国英雄们“拯救人类”的行为等同的崇高感。

整个思维过程既脚踏实地、接地气（“流感面前人人平等”），也充斥着人间大爱。GFT向人类世界输出每个区域的疫情严重情况，接下来各个层次的决策者就可以考虑资源分配问题了。

写这一部分的目的就是想传递出：GFT并不是一群人无所事事，以圈钱为最终目的和唯一考虑。它的人文主义情怀（对世界的责任感）下文还有提及。

3. How it’s done?

改善公共卫生状况的途径有很多。GFT拥有大量存储在服务器日志中的检索词（与flu或有关或无关），从Google Search queries到CDC ILI data，是否有可能？GFT团队可能是这样下定决心的：

（1）皮尤研究中心2006年发布的一项关于互联网的调查显示，每年有9千万美国成年人在互联网上检索与疾病或用药有关的信息。

（2）在文章[1]的补充资料部分，Google提供了一个其他主题的例子，证明特定检索词的数量变化与现实生活中某些“事件”的发生有关联。如下图所示，曲线表示有关日食的检索词的数量随时间的变化（按周汇总数据），黑点对应日食发生时间。清晰可见，每次日食出现的日期附近，检索词“solar eclipse”的提交数量都明显高出日常水平。也就是说，倘若我们无从得知日食何时会出现，监控Google用户检索“solar eclipse”的次数可以给我们提供很准确的预测。

文献来源：参考文献[1]的supplementary

上述事实不仅能够证明，特定检索词的数量变化与客观世界中的一些事件是“相关的”（大数据所强调的相关关系哦），也暗示了特征检索词数量变化能够反映流感患病的门诊数量（在总人口中的比例）的潜在可能性。准备工作进行到这里，只剩下谨遵Michael Jordan的教诲：JUST DO IT。

总结：

伟大的工作其实一直都有人在做，对公共卫生基础水平的关注并非GFT之始。比如我们熟悉的这个星球上最大的慈善基金会Bill & Melinda Gates Foundation。其下设专门的division Global Health关注和推动有关传染病、疫苗等的科学和技术项目。相比于这些“传统”的做法，GFT的优势是：快。在参考文献[1]中我们知道，GFT比CDC的统计提前2周，即实时。而它若是结合时序分析的技术，实现“提前”预警也不足为奇。这对于资源准备和分配、提前疏散（隔离）等决策的指导意义不言自明。这也难怪很多public health officials都是GFT的用户。（参考文献[3]:In addition  to the general public, an important target audience for GFT has been public health officials, who can benefit from reliable daily estimates and often make far-reaching decisions based on predicted flu incidence (such as how to stock and distribute vaccine, and the content of public health messaging).

God is a bitch，祂能力有限或心怀不轨，坐视整个人类社会千疮百孔。GFT的内生性不完美略表如下：

1. GFT整个技术体系是大数据，预测的目的却是传统的统计数据。预测的“不准”是因为GFT的结果与“现实”不一致，还是因为CDC根本就代表不了“客观的显示”？（这对于强迫症、完美主义来说，简直闹心死了。）

2. 上一篇文章大言不惭地说，GFT的核心矛盾是无上限的优化统计学习过程的需要。不假。但也还有其他。“联系”的观点，GFT并非独立存在，GFT的问题也并不单一。伴随着Google的推广普及，甚至人类社会的进步（更多的互联网基础设施，更普及的基础教育，基本人权的基本保障等等，GFT会越来越完美，也或许到那个时候，GFT也便不再被需要。

相关文献：

[1] Ginsberg J, Mohebbi M H, Patel R S, et al. Detecting influenza epidemics using search engine query data[J]. Nature, 2009, 457(7232): 1012-1014.

[2] http://zh.wikipedia.org/wiki/%E5%BA%93%E4%BC%AF%E5%8B%92-%E7%BD%97%E4%B8%9D%E6%A8%A1%E5%9E%8B

分享