
除了口罩成为生活必需品,进出一些场所必须扫健康码,在中国,我们其实已经不太容易感受到新冠疫情的存在了。
但是,张文宏医生最近谈疫情的频率却变高了。只不过,他现在谈的不是疾病,而是疫苗。我们能够明显感觉到,张文宏医生对于目前中国疫苗的普及速度非常担忧。
他的担忧的来自这样一个判断:
一种全球性流行病的终结,疫苗是最靠谱的手段。
对于新冠疫情而言,至少要达到70%的疫苗防护率,才足以构成有效免疫屏障。考虑到疫苗的防护率不是100%,如果按照90%计算,或许只有理想的接种率达到80%以上,才能真正实现群体免疫。
与之相比,目前中国的实际情况是,疫苗普及率还不到10%。
因此接下来可能会出现这样一种情况:当经济发达国家在今年底,通过疫苗完成免疫屏障,从而开放国门时,我们可能因为多数人还没有免疫能力,只能继续封锁边境。
疫苗的倒挂,就会变成疫情的倒挂。我们前期疫情防控做的好,阶段性自由;后期别人疫苗普及率更高,长期自由。
这种担忧其实正在成为现实,拿全球疫苗普及率最高的以色列来说,听说已经打算开放邮轮旅游了。
张医生已经把道理说的很清楚了。所以我在这里不打算强调疫苗的重要性。
而普遍大众对疫苗的担心,其实是一种普遍现象——说到底,我们对不同事物的潜在伤害,有不同的评估权重。
就拿开车来说,根据世卫组织在2018年12月发布的《道路交通伤害》报告,全球每年有135万人死于道路交通事故。
具体到国家,中国是每年6万人,美国是每年4万人。
而新冠疫情出现以来,全球造成的死亡人数是6万人,是一个国家的交通事故死亡人数水平,是全球数字的5%。
但新冠疫情对我们心灵所造成的恐慌,和对实际经济情况所造成的损失,要远远大于交通事故。
新冠疫苗在全球注射以来,确实人群会有一些不良反应。在有些国家,甚至有注射后死亡的案例(不过,无法确定是疫苗造成的问题,还是人本身就有疾病在身)。
总体而言,这个数字比例是很低的。然而,似乎人们对疫苗安全性产生的担心,甚至超过了对新冠疾病的担心,这一点从国内5%的普及率就看得出来了。
究其原因,其实是「不可控」三个字。
我们对于可控的事情,即使其危险,也会比较淡定。但对于不可控的事情,即使其不危险,也会产生焦虑。
我们还是举交通的例子,全球百万人死亡的交通事故,是人类司机造成的,可我们对此熟视无睹。然而只要有一起AI自动驾驶汽车造成人类死亡,我们就会陷入严重恐慌。
因为我们对人是熟悉的,对于机器是陌生的。
同样,我们对于新冠疫情是熟悉的,但对于新冠疫苗是陌生。
我猜,张文宏医生的忧虑还会持续下去。而解决问题的办法,似乎也只有一个,要在全社会建立大家对疫苗的熟悉感。
不仅是疫苗有效率的熟悉感,也包括不良反应的熟悉感。
如果有一天,大家不需要通过向周围人打听,才知道打了疫苗会有啥不正常的时候,大家也就可以安心的打疫苗了。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。