關於 微信 輔助驗證 香港 ，我們在網路上蒐集到這些相關的討論、資訊與評價

［沒有誰比誰高貴］（六之五）

反修例運動此前多場審訊，不論是襲警、藏武器、暴動案，在法庭裡的檢視方法，採取視覺較微觀。示威者在這條街被捕，隔一條街發生的事，不會視為相關。時間上檢視也收得狹窄，例如7.21元朗襲擊，或831太子站事件，示威者受事件影響之後上街，法庭不會視為有參考價值（relevant）.

然而國安法第一審，唐英傑開電單車涉衝向警察防線，車上插了「光復香港。時代革命」旗幟，案件搬到法庭，被提升到「恐怖活動」「煽動他人分裂國家」層次。

法庭對刑事案件審訊，多檢視可觸摸之物，如翻看閉路電視、檢視直播片段、化驗被告背包或手袋的物件。

但驗視一句話的意義，用甚麼方法，拉闊到歷史何年何月，翻查幾多本字典，還是要揭開人腦看看人的思想？

早幾天，辯方專家證人，港大學者李詠怡當被控方逼問舉殖民旗的人心裡想甚麼，梁天琦設計口號的心底意思。Eliza一度在庭上表示：「我沒法子有讀心術　（I am not a mindreader）.」

如何去讀一場社會運動的集體心理？社會學家，明顯和法律專家有不同看法。

這天，彭寶琴法官問及Francis，他如何理解「反修例運動的時間線(timeline)」。作為專研社運的學者，Francis認為運動由2019年6月9日開始，延續至大約2020年中，但難說某一日正式結束。彭官反問：「逃犯條例不是撤回了嗎？在2019年9月條例撤回後，李教授你仍然覺得運動繼續下去？」Francis說是。

彭官亦問Francis，「你在問卷中問示威者，那一個口號有代表性，但每一個集會不是有主辦單位嗎？大會不是有他們的主題？」（亦即民間所謂的大台）

Francis回應道，每次遊行雖有個別主題，但整場大型反修例運動不只是個別遊行。「例如人們最初對『齊上齊落』口號感到有共鳴，因為此口號表達了整場運動裡，示威者感到的團結精神和聯繫感(togetherness)。很多時候，口號不是直接與政策訴求有關，而是表達示威者的情感和感受。」

這天，辯方專家證人，中大新傳學院教授李立峯Francis進入第二天作供。高個子的他，頭髮長及頸，穿了淺灰色西裝外套，外套布料質地有反光效果，西裝上的縐紋特別顯眼。他出現在證人枱時，拿着橙色的布袋，把厚厚的文件塞在布袋內，擱在證人枱。

Francis喜歡把手踭擱在枱上，竪起前臂，長長的手指揮舞着，談起他熱愛的社科方法論，語速越說越快，微微地左右搖動帶輪辦公室椅子。法官不只一次請他說慢一點。

有些時候，三位法官們發問的問題，比雙方大狀們更多。

Francis說，曾向全香港市民抽樣撥打電話作民意調查。為了要有隨機性，撥打住戶家居電話時，會向聽電話的人問，若家居住戶多於一人，那一位同住者的生日日期較接近，則邀請該人來回答民調。

唯一的男法官陳嘉信，手指之間常夾着筆，雙眉上下舞動，立即發問：「為何打電話去家居要這樣問，而手機則不用問？」

Francis解答道：「在外國，曾有研究發現，在家庭中負責接電話的人，永遠都是家庭主婦。」法官杜麗冰聽到後，臉上綻放出會心微笑，更向陳官互相交換笑容。Francis續說：「又或者是年輕人搶着電話聽，這樣，民調做出來就會有偏差。」

另一個社會學方法論的提問，也是由陳嘉信法官追問出來的。Francis團隊亦曾於廿多場遊行或集會活動中做現場調查。調查員會被分派在集會或遊行現場，邀請參加者填問卷。

但隨着運動變得更流水式，出現更多變數，甚至出現衝突。為了保護調查員安全，例如7.27元朗遊行，他們會派出少量資深調查員到現場，派發含有QR Code的單張，示威者可以事後上網填寫。

無論是代表控方的周天行檢控專員，抑或法官都問Francis，讓人拿單張回去跟QR Code填問卷，怎樣肯定填的人真是去過現場？

陳嘉信法官問：「你說，填問卷的人很熱心，你怎知他們會不會『熱心』過頭，上網虛構答案？」他雙手在空中比劃着括號，把「熱心」二字強調。

Francis說，他們巧妙地在網上問卷中加入了一條題目：「這天在那一個示威地點加入隊伍」，亦有一個選項是：「我今天沒有參加遊行」。填表者並不知道，研究員會剔走沒參加遊行的人的意見。

「他們填的時候，不知道這條題目若答了，其實篩走了自己，最終我們便可以只分析參加過示威的人的數據。」三法官聽罷，明白學者一早想到這些漏洞，點頭表示明白。

法庭裡，尋找「光時」意義之旅，控辯雙方均花心力指斥對方研究方法有漏洞。

代表律政司的署理刑事檢控專員周天行，嘗試從Francis的研究裡，找尋不足之處。Francis和團隊以5種研究方法：全港性電話民意調查、示威現場問卷調查、焦點小組、連登討論區大數據分析、公共討論分析（時評人在傳媒的言論），多管齊下來理解社會運動中口號的意義。

周專員指，調查大部分於2020年初之前進行，而本案發生的日子（2020年7月1日）之前一段時間，即2020年2月至7月，Francis沒有相關研究。周專員問：「沒有任何事阻止你進行更多研究吧。」

Francis指，當他自己知道要做專家證人時，已是2021年4月底，時光追不回了。「我不能坐時光機回到過去(I cannot travel back in time to do it.) 周專員堅持追問，可以做電話民調呀。此時陳嘉信法官插嘴表達其看法：「即係你叫李教授在2021年問番啲人9個月前在想甚麼?」

Francis望着陳官說：「你說的我認同，即使可以問，搜集回來的數據也不會可信。問人今日在想甚麼會較可信，你問人一年前想甚麼，可信性甚低。」

周專員轉以「以子之矛」嘗試再去進攻。「你曾說過口號的意義會隨時間改變，你在案發前一段相關時間，無研究喎。」Francis再解釋，除非遇到重大事件，口號的意思隨時間改變，基本上是以年計，或以十年計，「口號意義改變，並非分分秒秒在變動」。

Francis在庭上首次披露，他團隊進行的「連登討論區」大數據研究，份量之浩瀚，他和團隊從連登「時事台」從2019年6月到8月21日的討論帖子及回應留言，涉及2千5百萬個，電腦檔案足有38GB。

周專員從枱底拿出幾疊白紙，原來他的團隊從連登討論區，人手萃取了一些帖文，叫Francis即場示範如何做Coding (編碼)工作。

西裝骨骨的Francis翻閱着文件，開始說：「呢位網民【四葉妹妹】有提及過「光復香港。時代革命」沒提及「港獨」及「五大訴求」，可算為「1, 1, 0, 0」; 網民【英國男孩】完全沒提，電腦會記為「0, 0, 0, 0」；這位【草尼馬仔】貼了光時旗的照片，不含文字留言，我們技術上沒法認出。但不改變們這個整個研究方法的合理性」。在嚴肅法庭，聽到鬼馬的網名，旁聽者都忍不住笑了出來。

控辯雙方過招，誰的「方法和總結」算是合理，光時究竟意義何在，是否違犯國案法？

Francis今天較完整披露他的看法。他認為，控方專家劉智鵬教授，以歷史及語言學角度去看「光時」這口號的意思，作出一個聲稱，就是「『光復香港。時代革命』這口號，只有唯一一個解讀，並為所有人共知」，「但我認為劉教授沒有提供充足證據去證明這個聲稱」。

Francis解釋，劉教授報告中用了「necessarily」一字，即口號詮釋的唯一可能「必然」是這樣，這是Francis自己認為需要用多種社科方法驗證的假設。

口號究竟是由喊的人那端衍生意思，還是從接收者那邊決定意思？

陳法官指，他理解控方劉專家報告中指的是，「喊口號的人懷有分裂國家意圖和目的」。但Francis卻說，喊口號基本上是一個「傳播行為」，不只是一個人單方面「個人表達」那麼簡單。

一個口號喊出來，是由嗌的人承擔意義發送者責任，還是接收的人也有份貢獻意義？如此哲學性問題，在法庭的空氣裡交鋒。

Francis又像在講課一樣，「作為傳播學者，我認為，喊口號是一個溝通行為，不只是一種自我表達。我嗌一個口號，會考慮接收者如何理解。」

小個子的法官杜麗冰，左手手指戴了綠寶石戒指，她一邊說話一邊以手部語言輔助她的比喻：「好像我跟一百個人說，我喜歡西瓜，有人會覺得我愛吃紅色的生果，另一個人覺得我愛吃綠色皮的水果。我發送一個訊息，但別人接收不同。」

Francis補充：「不止這樣，說話的人會小心用字。例如有一句句子意義明確，另一句句子的意義含糊，如果我要表達自己，減少誤會，我會選較明確的那句。」陳官提出，智力不同的人也會用字不同。

Francis反駁：「不只，也看大家出身甚麼背景，像你們法庭背景的人理解『引導性問題』(leading question)和我們社科人便不同，不只是智力差異的問題。」聽到這句話，杜官和陳官都作深思狀。

控方曾挑戰，指若文字意義多樣，人們便沒辦法溝通。Francis在此反駁：「劉教授說，人們會跟社會慣例(convention)去用字，但問題是，社會有很多慣例。文字使用很複雜，也有修辭學(rhetoric)作為一種慣例。劉教授把語言意義解得太過死板（too rigid），語言意義多樣，修辭令人們變通調適，否則世界便沒有創意寫作了（creative writing）。」

控方周專員指出，劉教授也有其「證據」，就是警方跟據示威錄影片段，數算有多少次出現「光時口號」，而這口號與「顛覆元素」如港獨訴求、暴力行為同時出現。Francis反駁，這數據只在「點算上」可靠，但兩件事同時出現(co-appearance)，並不等於有關。

Francis用一個生活化的例子，說明兩種同時出現的東西，無必然關係。「在大學，學生在班房可以自由入座，兩個大學生每次課堂都一起坐，可以解讀為他們是朋友；但在中學，課室座位是被編排的，兩個中學生常並排而坐，只能說他們是一起坐。」

然後，Francis就望着控辯雙方大狀的方向：「就像在這個法庭，李先生和周先生也一起坐，要考慮這是個法庭場景。」眾笑。

至於示威場景，有其特性，Francis解釋：「好像每年香港七一遊行，於同一個示威裡出現的團體，訴求可以不共容。如性小眾、勞工及外傭團體也會各自有訴求。」

即使大型示威有一些共同訴求，各人理解也有差異。Francis指，他有研究2014雨傘運動，其口號為「我要真普選」，「但落實到具體解釋，甚麼是『真』的普選？『真』字既開放又抽象，讓人各自己想象。」

文字容易於不同場景被誤解，Francis特別澄清了一個可能的誤會。焦點小組討論的指引中，研究員需要留意討論覆蓋不同範疇。其中一個範圍呈在法庭文件中，寫道：「社會運動意識形態和激進化(social movement ideology and movement radicalization」。

Francis特別澄清「激進」二字的在的學術意思：「激進化，在研究社運學術世界裡，意思是與社會常態的距離（deviation from social norm ），涉及更重大改變的意思，並沒有『好與壞』的評價。」

「好像反修例運動最初，有人要求『成立獨立調查委員會』，這訴求較溫和，因為過去香港也曾成立過，相比起來，『解散警隊』這口號則較激進」。陳官補充：「即是要求更徹底的社會改變。」

陳官亦引述文件中的資料，好奇地向Francis查問：「為何你認為『光復香港。時代革命』比『五大訴求』更激進呢？」Francis解釋：「修辭學上，『革命』比『訴求』所涉及的改變，幅度更大，這是明顯的。」

在香港的刑事審訊上，「不爭辯事實、客觀存在」是常用術語，去指控一個人做了一件事，作為刑事案的入罪條件。然而一支旗，一句口號，如何建基於事實，使用這種法律語言，又出現了奇特的交雜和火花：

周專員指出，警察報告中點算示威口號出現次數是「客觀、不爭辯的事實」。

Francis反駁道：「你們只是提供了口號在示威現場，曾出現過的這個事實。」

周進逼：「你們只是倚賴別人的意見。」

Francis：「我們紀錄了人們表達意見的這個事實。我們分析的文章、人們論述過這些意見，都是一種『社會現實』（social facts）」

周再問：「你是否同意，劉智鵬教授報告裡，他對光時口號的解釋，是對的(correct)？」

詮譯變成了對和錯，二元對立，二選一，社科學者抗議了。

Francis：「我們的總結是，口號是開放的，抽象的，不只一個解釋，每人有每人的論述。我不會評價一個時評家對口號的解釋，正如我不會評價焦點小組裡一個平凡人的解讀。(I wouldn’t judge)我不會說，這個人的解讀是正確，這只是他自己的說話　(I wouldn’t say if this guy is correct, it is his own articulation)。」

周不放棄：「你不會異議，若我說劉智鵬教授的解讀是對的。」

Francis斬釘截鐵回應：「我會異議，問題並不在對與錯」。

杜麗冰法官嘗試插話，問Francis：「你會否覺得劉教授可以作這樣的解釋，即使你不贊同其解讀？」

Francis說：「我個人不會對口號作這樣的詮釋。劉智鵬教授的詮譯，只是『其中一個詮釋』。其解讀的地位沒有特別高，也沒有特別低。相比起某一個時事評論員，或者我們焦點小組的某一個參與者。」

周天行在盤問到最後，拋出了這個問題：「我說，我方對口號的理解方法(approach)更可靠。」

Francis噗哧笑了，全場亦爆出陣陣笑聲：「哈哈，肯定不是。警察在『點算口號』上或許是可靠，但我挑戰警察報告中『對數據的理解』，當口號與顛覆元素共同於示威場合出現，根本不是支持口號有顛覆意義的證據。我對警察報告是完全不贊同。」

此時，周天行專員彎腰，跟坐在他旁的同事耳語了逾三十秒。

周專員回過頭，橫空拋出這句話：「我向你指出，你的報告不可靠，不相關。」

Francis咬字清晰，語氣肯定回應：「我的報告，既可靠，合乎標準，亦相關。」

誰的解讀更有權威？控方專家認為喊口號的人必然意圖顛覆；辯方則指出，口號是開放和曖昩的，任何人的解讀，都沒有比另一個人的解讀更有權威。

一支旗，八個字，意義之爭，連繫着多位國安法被告的命運。

國安第一被告唐英傑，身型壯碩，年輕的他坐在犯人欄，由幾個懲教署職員押送。

唐的學歷不算高，是一位日本餐廳的厨師，然而穿着深色西服的他，還押了一年後，出席他自己的審訊，連日聽學者解讀他舉過的一支旗，都堅持翻閱着厚厚的法律文件，專心地聽着耳機，坐在他旁邊隔了犯人欄的翻譯先生，即時以廣東話傳譯。

「Rhetoric….修辭學」英語對話，小聲的廣東話，在法庭後方響起了，兩條聲道有些重疊。

幾名穿墨綠色制服的懲教署職員， 和唐一起坐在寬闊的犯人欄內。懲教職員的身體，慢慢挪移越近唐的方向，他們偶爾也竪起耳朵，跟進學者們的辯論進程。連穿着保安制服的叔叔，都聽得懂英語，都留意到辯論擦出火花，露出驚訝的表情。

八個字，有罪還是無罪，全城關注。誰的解讀更高貴？

時鐘已到下午四時半，明天Francis繼續作供。

＊＊＊
國安法首審專家證人系列（六之一）：［Regime & Redeem］
7月2日控方專家劉智鵬作供
https://www.facebook.com/wwviviantam/photos/a.1435553239866430/4210137115741348/

國安法首審專家證人系列（六之二）：［Just Do it］
7月9日辯方專家李詠怡作供
https://www.facebook.com/wwviviantam/photos/a.1435553239866430/4229321820489544/

國安法首審專家證人系列（六之三）：［過去與未來］
7月12日辯方專家李詠怡作供
https://www.facebook.com/wwviviantam/photos/a.1435553239866430/4237523026336090/

國安法首審專家證人系列（六之四）：［知行合一］
7月13日辯方專家李詠怡及李立峯作供
https://www.facebook.com/wwviviantam/photos/a.1435553239866430/4240215429400183/

國安法首審專家證人系列（六之五）：［沒有誰比誰高貴］
7月14日辯方專家李立峯作供
https://www.facebook.com/wwviviantam/photos/a.1435553239866430/4243328702422189/

國安法首審專家證人系列（六之六）：［選櫻桃的人］
7月15日辯方專家李立峯作供
https://www.facebook.com/wwviviantam/photos/a.1435553239866430/4245860505502342/

（圖為辯方專家證人中大新傳學院教授李立峯離開高等法院）

近幾個月，在AI賦能未來醫療的思考特別多，受美國「WIRED連線」雜誌邀請撰寫了一篇專欄文章。我相信十幾年後，不少國家和地區的醫療體驗在AI賦能的作用下將發生根本性改變。

原文刊於「WIRED連線」雜誌英文官網：
Covid-19 Will Accelerate the AI Health Care Revolution
https://www.wired.com/story/covid-19-will-accelerate-ai-health-care-revolution/

中文翻譯來自創新工場微信公眾號 2020-5-22

新冠大流行將加速醫療AI革新
—————————————
2020年元旦前夜，一家位於加拿大多倫多市的人工智能（AI）企業BlueDot捕捉到一些異常：中國武漢市海鮮市場周邊出現多起罕見肺炎病例，BlueDot迅即反應，運用自然語言處理、機器學習等技術，結合大數據和定位追踪，迅速向合作的政府部門和公共衛生機構客戶傳送警報並報告擴散狀況。BlueDot所監測到的異狀，正是數月後撼動全球的新型冠狀病毒肺炎（Covid-19），這比世界衛生組織首度公開警示新冠病毒的時間還要早上9天。

BlueDot的AI平台示範了人工智能技術對重大疫情能起到早期預警的功用，過去幾個月裡，AI在這場全球抗疫戰的許多方面發揮了獨特作用：從疫情預測到篩檢，從接觸警示到快速診斷，從前線無人配送到實驗室藥物研發，人工智能助力防疫派上了不少用場，為特定場景應用賦能。

隨著疫情在全球蔓延，AI技術的創新應用也在各地相繼落地。在韓國，基於地理位置的信息傳遞已經成為控制病毒傳播的重要工具，當人們靠近確診病例時，就會收到基於位置的緊急信息提醒。在中國大陸，阿里巴巴推出的AI算法能夠在20秒內診斷出疑似病例（比人類檢測快了近60倍），準確率高達96%。無人配送車輛很快被投入到人類難以承受的場景，代替人類執行高傳染風險的運輸任務。湖北、廣東等省份的多家醫院相繼使用機器人為病人或被隔離家庭運送食物、藥品和物資。而在美國加州，電腦科學家正在研發能遠程檢測獨居老人健康情況的系統，一旦老人出現身體異常症狀，系統就會發出即時警報。

不過，目前人工智能在公共衛生體系的應用仍顯零散也未成體系。坦率說，過去四個月內，AI在抗疫之戰中的表現並不十分突出，我最多只能給它打分“B-”。新冠大流行暴露了我們的醫療系統的脆弱性：預警響應不充份、通報信息不精確、醫療物資分配不均、醫務人員超負疲憊、醫院病床緊繃、疫苗研發週期長等諸多痛點。當然，AI的零散表現也有客觀原因：醫療體系可說是現代社會各類運轉體系中最為複雜、陳舊不堪且難以變通的一種；且在新冠疫情襲來之前，我們並沒有真正意識到醫療體系問題的緊迫性，沒有提前採取相應的技術預防措施；最為關鍵的是，我們缺少建構AI解決方案所需的大數據。

把目光看向未來，我看到以下兩個AI賦能醫療的樂觀因素。

首先，作為AI燃料的醫療大數據已被激活。舉例來說，機器學習數據科學平台Kaggle組建了新冠病毒開放研究數據庫，名為CORD-19。它將相關數據進行彙編，並把最新研究集中收錄，匯總的格式可被機器讀取和解析，以便於AI進行機器學習。至今這個數據庫收錄了12.8萬篇包含Covid-19、冠狀病毒、SARS（非典型肺炎）、MERS（中東呼吸綜合症）等關聯術語的醫學專業學術文章。

其次，眼下全世界的醫學專家和電腦科學家都將精力集中在解決疫情問題。 X大獎基金會創始人彼得·戴曼迪斯（Peter Diamandis）估計，全球現在有多達兩億名的醫師、科學家、護士、技術專家和工程師投入防治冠狀病毒的相關研發中，他們正在進行數以萬計的實驗，並以「前所未有的透明度和速度」共享信息。

3月16日Kaggle發起「新冠病毒研究挑戰」，匯集與疫情相關的大量信息，包括病毒的自然歷史、傳播和診斷方法、以及從過往流行病學研究中汲取的經驗教訓，幫助全球各地衛生機構及時掌握最新情況，以做出基於數據的分析決策。該項目發布後的五天內被瀏覽超過50萬次，下載量逾1.8萬次。在大陸疫情爆發後不到一個月，阿里巴巴便推出了一種AI算法，該算法基於5000多個新冠肺炎確診病例進行訓練，並關聯到治療後續諸如肺部白色陰影縮小等的成效追踪。隨後，阿里巴巴將其云端AI平台向全球醫療專業人員開源，與合作夥伴聯手部署更大批量的匿名數據，推出包括疫情預測、CT影像分析、冠狀病毒基因組測序等模組。

據估計，現今全球醫療數據的規模每隔幾個月就翻一倍。 2019年一份覆蓋19個國家AI醫療市場的研究估計，AI醫療市場的年複合增長率為41.7%，從2018年的13億美元將增長至2025年的130億美元，主要分佈在六大領域：醫院工作流程、可穿戴設備、醫學影像和診斷、診療計劃、虛擬助手、以及最重要的藥物研發，新冠疫情期間浮現的種種需求，將加速AI賦能醫療的場景落地。

在後疫情時代，我期待AI將加速融入醫療體系，賦能並推動醫療改革。其中深度學習（Deep Learning），即以一種高效方法運算海量、多維數據的能力，是AI結合醫療最為可期的機遇之一。深度神經網絡（Deep Neural Networks）作為AI的一個子領域，已經被用於醫學掃描、病理切片、眼科檢查甚至結腸鏡檢查，以得出準確而快速的算法判讀。十幾年後，不少國家和地區的醫療體驗在AI賦能的作用下將發生根本性改變。

AI賦能醫療，首先能簡化及優化現有的醫療流程，例如醫院的作業流程，保險履約的繁複流程。將AI與RPA（Robotic Process Automation 機器人流程自動化）結合，可對某項工作流程進行智能拆解及優化，進而大大提高醫療系統的運營效率，預約看診、保險理賠及其他流程性工作都會得到效率提升。AI還能加快早期診斷信息的收錄並實現自動化，AI技術所能處理的文本、語言、數字的體量，無論在數量上還是精度上都是機器級別，遠非人類所及。

有了充份的醫療大數據作為基礎，AI還能為每個人或者每個群體建立健康數據基準量表。當我們掌握個體健康數據，就可以根據跟踪動態數據的波動變化，進行數據驅動的診斷，並對潛在大流行疾病的徵兆進行早期追踪研判。然而，再先進的技術系統要做到真正有效，勢必需要與既存的公共衛生警示和匯報機制形成高效鏈接，此類信息斷層即是新冠疫情在早期爆發期間存在的具體缺失。

再上一個層次的AI賦能體現在助力新藥研發、基因組測序、幹細胞、CRISPR（基因編輯）等醫學突破方面，AI模型和算法應用都有其用武之地。在製藥行業，研發一種新藥往往需要付出高昂的投入，某次成功前必有多次付諸流水的失敗試驗，也連帶消耗巨大的時間和金錢成本。現在，科學家們可使用AI機器學習來模擬上千個變量，測試它們的複合效應會對人類細胞反應產生何種影響，這類AI新藥研發的技術已被用於新冠病毒疫苗和其他療法。創新工場所投資總部位於香港的AI藥物研發公司Insilico Medicine是首批對新冠病毒快速響應的企業之一，這家公司利用生成式化學AI平台設計出新藥物小分子，以複製主要病毒蛋白為靶標，早在2月5日便公佈了這些小分子結構。 AI為新藥發明開闢了一個新時代，用人工智能技術來換取藥品研發週期的時間和成本，整個製藥行業勢將迎來翻天覆地的變革。

不久的將來，隨著醫療科學和電腦科學進一步融合，我們將進入一個全面自動化的AI時代，到時人們可以通過可穿戴設備、生物傳感器、智能家居檢測設備等來確保自身和家人的健康。可穿戴設備和其他物聯網設備的數據質量和多樣性大幅提高，將能產生一個有效的良性循環。穿越到未來，下一場疫情在大範圍蔓延之前就應該能夠被跟踪、追溯、攔截並消滅無踪。

或許再過15年，許多人的家裡都會有AI個人助理照料我們，幫著解決全家人的日常健康所需。機器人或者無人機負責把我們的藥品送上門，如果需要進行手術或者外科治療，通常會由機器人操作，或由機器人輔助人類外科醫師完成。在未來，醫生和護士將把更多的精力放在機器無法勝任的任務上，醫療專業人員及富有同情心的護理人員，將同時具備護士、醫療技師、社會工作者、甚至心理諮詢師的技能。他們會使用經AI強化的診斷工具和系統，但更多的時間會與患者溝通，安撫他們的傷痛，為他們提供情感扶持。在我的想像裡，15年後的醫療健康場景可能是這個樣子的：

***
2035年一個冬季早晨，我醒來後就覺得有點喉嚨痛。我起身去洗手間，刷牙的時候，洗手間的鏡子通過紅外傳感器測量了我的體溫。刷完牙後一分鐘，我的私人AI醫師助理發出了警報，顯示我的唾液樣本部分指數異常，並在輕微低燒。 AI醫師助理建議我在家進行指尖探針採血。我在泡咖啡時，醫師助理返回了分析結果，判斷我可能是得了這個季節正在流行的兩型流感其中一種。之後，我的AI醫師助理建議，如果我覺得有必要聯繫家庭醫生的話，有兩個時間空檔可以跟她視頻通話。通話之前，家庭醫生已經收到我所有症狀的詳細信息，她給我開了一種減充血劑和撲熱息痛，一會兒無人機就把藥品送到我家門口。
***

當然，凡涉及到患者的醫療記錄，就得談談隱私和數據保護的關鍵問題。我認為，任憑有用的數據各自孤島式的存在、不善加利用、不從中提煉有價值的信息、不用以推動社會進步，是相當不負責任的做法。技術產生的問題應該由技術解決。隨著AI技術浪潮而出現的諸如數據保護等問題，應該有更為創新的技術方法來應對。

好消息是，近年聯邦學習（也被稱為分佈式學習）已經在數據保護上取得了顯著的進展。基於聯邦學習技術，患者的數據將永遠不會離開所在的醫療機構、醫院或個人設備伺服器等原始存儲設備，機器學習模型將在獨立的數據庫基礎上進行訓練處理，再進行後續整合。聯邦學習、同態加密，結合可信硬體執行環境等技術，將進一步確保數據的計算、傳輸、存儲過程能夠適配不同的隱私偏好，以因應不同國家與文化對於隱私保護的需求差異。

這次新冠肺炎疫情還驗證了一個事實：整體人類命運是共同體，人們對未來運用AI等先進技術共度難關寄予一致的期盼。歷史上，國際合作曾消滅了全球延燒的天花，也幾乎根除了小兒麻痺症。公共衛生無國界，控制及消除流行病是個毋庸置疑的共同目標。在醫學領域，每個國家都能從他國的研究基礎上學習受益並攜手並進，全球化的數據科學，將進一步幫助人類獲取對健康和疾病最為深刻、最為全面的洞悉。

AI有潛力協助我們為下一次疾病大流行做更充份的準備。這需要醫學專家、AI科學家、投資者和決策者傾力協作，也需要關注醫療保健領域的投資人為聰明的創業者和科學家注入新一波動能。

經歷這次疫情，我們應清醒地意識到，要將人類醫療體系推往新的高度，著實需要傾盡全球之力。

創新工場董事長兼首席執行官
李開復博士

WHO 才開始拼區塊鏈防疫？台灣早起步還結合硬體！

Avatar 區塊妹 Mel / 2020-03-30

外媒《Decrypt》日前報導，為了對抗日趨加重的全球新冠疫情，世界衛生組織（WHO）目前已跟科技巨頭 IBM、甲骨文、微軟以及去中心化平台 Hacera 合作，共同創建一套基於企業級區塊鏈 Hyperledger Fabric 的開放數據系統——「MiPasa」，允許公眾查看自己跟新冠病毒確診患者是否曾有接觸。

據悉，MiPasa 旨在引用各種分析工具和數據來源，從而幫助公民和公共衛生官員掌握新冠病毒感染的最新情況，過程中，還將利用區塊鏈技術來檢查新冠病毒相關數據的準確性。目前，約翰霍普金斯大學、香港衛生署、中國國家衛生健康委員會、美國和歐洲疾病預防控制中心以及加拿大的政府也已經相繼加入這個項目。MiPasa 開發業者 Hacera 在文章中寫道，

無論是感染時間，亦或是患者曾到訪地點， 公共衛生官員及民眾都能透過系統上傳數據。

值得注意的是，MiPasa 並不會搜集用戶個資，但若用戶附近有人感染了新冠病毒，MiPasa 便會及時提醒他們。Hacera 表示，MiPasa 已經接收到世界衛生組織、美國疾病控制中心和以色列公共衛生部的數據，目前，該項目正在利用這些數據來構建「所有受感染者的熱點分布地圖」。

隨著疫情擴散逐漸升溫，無數公眾的生命岌岌可危，維持數據完整性自是不可或缺的一環，而由於區塊鏈技術「不可被篡改」的特質，因此也就成為創建可驗證數據庫的不二選擇。要知道，企業區塊鏈一般在招攬成員方面必須耗費數月時間，但在這種情況下，藍色巨人 IBM 很快就招來眾多重量級機構的參與。

截至發稿時，世界衛生組織尚未回應置評請求。但 IBM 區塊鏈首席技術官 Gari Singh 證實確有此事，而他身邊的人也都認為，現階段最重要的是盡快「啟動一個聯盟」。他這麼說道，

關於如何搜集、提供和利用病毒的資料，我們已開始集思廣益。我們這次之所以引入 MiPasa 解決方案，並不是要將區塊鏈技術生拼硬湊。事實是，我們的確需要大量復制數據、需要擁有可信賴的資源，更重要的是，我們必須確保數據不會被篡改。

Hacera 執行長 Jonathan Levi 表示，只要每個人都同意平台上所有完全開放且免費的數據正確無誤，並且版本一致，分析工具定能為疫情防控提供強而有力的見解。他說，許多公司也都積極加入防疫行列，不吝提供數據智能工具。他如是說，

很多數據工具提供商都參與其中。每個人都在急於提供幫助，但迄今連一分錢也沒有收過。

「區塊鏈防疫」台灣早起步

不過，說到利用區塊鏈防疫，台灣在這方面早已起步。根據《經濟日報》報導，資策會數位服務創新研究所 3 月 24 日宣布利用區塊鏈技術開發「平安環離家警報器」，以作為檢疫隔離的解決方案，利用科技輔助提供「居家隔離管制升級方案」予居家檢疫或居家隔離的民眾使用。目前，該方案已在雲林縣斗南鎮推動試辦。

此款「平安環離家警報器」提供基於區塊鏈技術的資料保全平台，以第三方系統，確保資料沒有被竄改，提高了電子紀錄的可信度和一致性，透過資料彼此鏈結、完整追溯的特性，手環資料無法被竄改、確保監控軌跡的完整。

「居家隔離管制升級方案」將分為兩步驟完成，第一步是配發手環與居家感測器；第二是廠商專人於隔離場域施工裝設，10 分鐘即可完成 50 坪左右布建，感測器上封條於管制期間不可移動及拆除。

隔離場域裝設完成後，只要當檢疫或隔離者超出居家範圍時，啟動感應裝置，自動警示告知當地衛生機關或里長的通訊設備（Line 或特定 APP）。檢疫或隔離者的感測紀錄，包含異常通報狀況、處理狀況等，皆統一上傳至後台雲端管理系統詳細紀錄。

資料來源：https://blockcast.it/2020/03/30/who-developing-a-blockchain-data-hub-to-help-fight-the-coronavirus-but-taiwan-did-it-first/