El 20 d’octubre, Facebook Artificial Intelligence (Facebook AI) va començar a publicar prediccions de la propagació de la COVID-19  als més de 3.000 comptats dels Estats Units. Aquestes prediccions utilitzen les eines de Facebook’s Data for Good, incloent-hi Symptom Survey i Movement Range Maps. Estan disponibles al web Humanitarian Data Exchange i es publiquen al site Data for Good.

El nucli de l’algoritme és una xarxa neuronal que intenta predir l’evolució de la COVID-19 a partir de dades anteriors. Aquesta xarxa no només ha d’aprendre sobre l’evolució de l’epidèmia en el passat sinó també intentar mostrar com aquesta evolució depèn de patrons de mobilitat, del clima i del comportament humà. Ara mateix, modelar les respostes humanes és molt difícil amb un enfocament mecanicista: és a dir, poder saber per endavant com les persones reaccionaran. Davant aquest obstacle, la intel·ligència artificial (IA) es considera una de les millors opcions en el modelatge empíric per la seva capacitat d’inferir canvis en el comportament futur a partir del comportament del passat. El detall de l'algoritme i com s’entrena està publicat en obert.

Els resultats de la predicció feta per IA als Estats Units han mostrat un comportament robust en comparació amb els models d’última generació en les previsions a tres setmanes, però encara està pendent d’un calibratge detallat. Així, el grup de recerca BIOCOM-SC, vinculat al Departament de Física de la Universitat Politècnica de Catalunya · BarcelonaTech (UPC) col·laborarà amb Facebook AI per millorar el model de predicció de l’evolució de la pandèmia a Espanya. L’investigador Enric Álvarez i l’estudiant de doctorat David Conesa estaran a càrrec d’aquest entrenament, juntament amb Maximilian Nickel, investigador i científic de Facebook.

Un entrenament adequat és crucial, ja que, com afirma Enric Álvarez, "el fet que la IA doni bons resultats als Estats Units no vol dir que doni immediatament bons resultats a Espanya o a Itàlia. Hem estat provant la IA des de fa un parell de mesos i encara queda molta feina per fer, sobretot pel que fa a la introducció de patrons de mobilitat adequats per entrenar-la. Els patrons de mobilitat d’aquí són molt diferents si els comparem amb els dels Estats Units. La rellevància dels indicadors de mobilitat en la qualitat de la predicció al sud d'Europa és una de les preguntes obertes clau". David Conesa afegeix: "Ara estem treballant per determinar quin índex o índexs de mobilitat poden ser millors per a la IA. No és fàcil, ja que diferents indicadors proporcionen informació diferent, intentar combinar-los adequadament és la nostra feina actual.”

Tot i això, tan important és entrenar l'IA com calibrar la seva previsió i quantificar-ne la fiabilitat. Sergio Alonso, investigador del grup BIOCOM-SC, i Martí Català, de l’Institut de Recerca Germans Trias i Pujol (IGTP), seran els encarregats de realitzar aquest calibratge de dades europees. "La forma adequada d'avaluar el comportament de l'IA és calibrar acuradament els intervals d'error de les prediccions", explica Sergio Alonso. "Un dels reptes de treballar amb la IA és saber establir marges d'error en les seves prediccions: és a dir, determinar la precisió de l'IA i quines prediccions es classifiquen com a errades. Si s’és massa laxe en la precisió, la IA la majoria de les vegades ho encertarà, però potser no proporcionarà cap informació útil i, si s’és massa exigent, l'IA pot fallar massa sovint." 

En aquest sentit, l’evolució actual de l’epidèmia a Espanya serà un banc de proves clau per a l'IA. Martí Català, responsable de monitorar el calibratge de la predicció a Catalunya, indica que “l’actual increment heterogeni, però fort, de casos en diferents punts d’Espanya és l’escenari perfecte per calibrar l'IA i saber fins a quin punt es poden fer prediccions en  el futur. Veurem com funciona amb diferents protocols d’entrenament. En aquests moments no estem segurs que pugui proporcionar una avaluació precisa de tres setmanes per a aquesta segona onada, però sens dubte val la pena provar-ho”.

L’anàlisi preliminar i la recerca elaborada per diferents grups ja han demostrat que les previsions de qualsevol tipus més enllà d’un mes semblen tenir poca fiabilitat. Facebook AI tampoc no proporciona previsions més enllà d’un mes. Tanmateix, una IA adequadament entrenada que pugui predir amb precisió l’evolució de l’epidèmia a dues o tres setmanes, condicionada o no a la implementació de diferents mesures serà una fita important per entendre les epidèmies. Però molt abans, les previsions de l'IA poden proporcionar proves complementàries, juntament amb altres models, per conèixer la tendència general de les epidèmies. Si l'IA s'ha desenvolupat adequadament amb coneixement local, pot ser útil per provar diferents escenaris futurs.