人工大学将现实世界的对策推向了Covid-19

在正在进行的大流行期间，我们了解到人类行为是非药物干预措施成功的重要因素。从戴口罩到社交距离，人们的行为对于在没有明显免疫种群的情况下控制病毒的传播至关重要。

但是，我们不必将人们冒险预测什么将有效。相反，我们可以使用计算机模型和现实模拟来更好地理解行为如何影响疾病的传播。

2020年初，在COVID-19-Healthcare Coalition，米特（Miter）和几个联盟成员开始运用人工智能（AI）和基于代理的建模的计算能力来解决人口免受这种大流行威胁的方式。

“利用计算社会科学的新研究，我们创建了人工大学TAU创作者之一Andreas Tolk说，（Tau）是一个模拟大学环境中现实生活的复杂模型。这个模拟世界是由来自来自思想与文化中心（CMAC），弗吉尼亚建模分析和仿真中心，斜切，Simudyne， 和Tensorx。

Tau在反映大学的种族和社会经济亚组的方式上是现实的。它的“具有社会能力的人”（实际上是AI生成的代理人）根据各种与大流行有关的约束和干预措施来调整其行为。

该团队的目标是将这种开源模式掌握在大学领导者的手中，以帮助他们制定最佳的政策，以确保学生，教职员工，员工和周边社区的安全。

为了实现广泛的包容性应用，团队将Tau释放为开源。迄今为止，已有50多所大学下载了源代码，该团队继续收集反馈，以塑造TAU的未来版本和扩展。

将行为与结果联系起来

TAU的个人以个人为中心的系统不仅涉及大流行的时空方面，还解决了大学生态系统中社交网络和其他日常生活因素。该模型包括学校特定的空间，例如演讲厅，宿舍，餐厅，体育设施等。

该模型帮助决策者了解许多相互关联的因素，然后确定影响最大的干预措施。这些可能包括课程交付方法，COVID-19测试协议，例如测试废水在校园或体育赛事方案。

Tau还捕获了应用大学的价值观和目标，用于评估模拟运行的结果。

从2020年秋季开始，每所学校都发布了有关如何将学生带回校园的指导，包括关于身体疏远以减缓病毒传播的规则。最近好吗？

托尔克指出：“学校在实现合规性方面取得了不同的成果。”“但是TAU可以帮助管理员了解激励学生的动态社会因素，包括与其他学生在一起的需求。”

有了这些知识，大学管理人员可以不断调整规则和消息传递，即教育学生以增加接受和合规性。

从大学到其他组织

是什么使Tau与当前可用的其他型号不同？

托尔克说：“我们已经使用了多样化的知识将标准流行病学模型与社会科学方法相结合。”“我们的模型在计算各种人为因素的情况下是独一无二的，例如对公共卫生建议的抵抗，可能拒绝疫苗（当可用时）以及更多。”

在与大学共享TAU模型的同时，该团队意识到该模型可以适应许多其他组织的需求。这导致了人工组织（TAO）的建立。

TAO模型可以根据不同组织的情况进行定制，从购物中心到音乐厅再到办公楼校园。

当组织试图减少Covid-19对业务的影响时，他们提出与大学相同的问题：我们空间的最佳面对面能力是什么？增加人口密度的影响是什么？在什么层面，社区病例应促使先发制人关闭？我们应该在我们的网站上进行测试吗？

TAO使各种形状，大小和人口统计学的组织更容易识别高风险场景并协助确定适当的政策行动。

托尔克说：“我们可以使用的数据量非常强大。”“像Tau和Tao这样的复杂模型可以帮助决策者制定程序和协议，以保护人们免受伤害。”

有关许可该技术的信息，请联系MITER的技术转移办公室。

- 安德烈亚斯·托尔克（Andreas Tolk）和利夫·布莱克蒙（Liv Blackmon）