準(zhǔn)確率一度100%！清華校友神預(yù)測美國疫情

再好的軟件也不能100%預(yù)測準(zhǔn)確

李志斌的預(yù)測，離不開兩個核心要素：數(shù)據(jù)，和預(yù)測模型。

首先是數(shù)據(jù)的可信度問題。在采訪中，李志斌表示，自己從1月份開始每天收集數(shù)據(jù)，一開始只有武漢和香港有數(shù)據(jù)，一直到現(xiàn)在，每天收集上百個國家和地區(qū)的數(shù)據(jù)。

李志斌強調(diào)，在數(shù)據(jù)收集和分析的過程中，一定需要甄別數(shù)據(jù)沖突（Data Conflicting）的出現(xiàn)；尤其是在官方通報的數(shù)據(jù)量比較大的情況下，會用好多方法包括新聞數(shù)據(jù)去檢查不同地區(qū)的數(shù)據(jù)之間可能存在的數(shù)據(jù)沖突，數(shù)據(jù)沖突點越多，數(shù)據(jù)的可信度越低。

同時，在判斷數(shù)據(jù)真實性的過程中，要看數(shù)據(jù)發(fā)布的速度；數(shù)據(jù)發(fā)布頻率越高，那么可信度就會更高一些—;—;而南亞、東南亞地區(qū)發(fā)布的數(shù)據(jù)比較少、比較慢，可信度就會打折扣。

來自美國CDC官網(wǎng)的疫情情況

另外，在對數(shù)據(jù)的可信度進行判斷時，還可以借用新聞數(shù)據(jù)來做對比。李志斌告訴雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))，比如說，醫(yī)生和病人之間的比例是比較穩(wěn)定的，那就可以用新聞中報道的醫(yī)療人員數(shù)量，來反推病人數(shù)量。

他表示，其實，所有的數(shù)據(jù)都可能存在一些人為的誤差或者統(tǒng)計誤差，沒有任何地區(qū)的可信度是百分之百；但是相對來說，美國的數(shù)據(jù)沖突比較少，在可信度上高一些，歐洲的數(shù)據(jù)可信度次于美國，因為西歐與東歐之間的不平衡，所以會取平均值。但印度、東南亞、日本等地區(qū)的數(shù)據(jù)就似乎存在一些問題，數(shù)據(jù)發(fā)布慢、數(shù)據(jù)沖突點較多，影響了數(shù)據(jù)可信度的設(shè)置。

到二月底，在之前以國內(nèi)數(shù)據(jù)為基礎(chǔ)建模、驗證的基礎(chǔ)上，李志斌開始對美國、歐洲兩個地區(qū)進行疫情數(shù)據(jù)預(yù)測。于是，在數(shù)據(jù)的基礎(chǔ)之上，李志斌打造了一個預(yù)測模型—;—;實際上，這是一個極為復(fù)雜的模型，加起來有上百個參數(shù)，其中重要的參數(shù)有二三十個，分為以下三類：

第一類是疫情參數(shù)—;—;不同地區(qū)/國家/城市確診人數(shù)、人口、每日新增確診人數(shù)、疑似人數(shù)、每日檢測人數(shù)、死亡人數(shù)、治愈人數(shù)（含自愈人數(shù)）、在診人數(shù)、入院人數(shù)（重癥人數(shù)）。

第二類參數(shù)與地區(qū)/城市/國家特征相關(guān)—;—;城市類型（古城、現(xiàn)代城市、鄉(xiāng)村）、人口密度、氣溫、天氣（大雨、陰雨、有霧、天晴等）、城市60歲以上老年人口比例、城市平均年齡、城市建設(shè)情況（主要是下水道的狀況）。

第三類參數(shù)是關(guān)于資源和管治能力—;—;醫(yī)療資源、病床數(shù)量、社會組織能力、信息透明度、管理方式等等。

李志斌表示，在實際的操作過程中，一般是先用Excel收集數(shù)據(jù)，然后導(dǎo)入到后臺數(shù)據(jù)庫中，在用自己開發(fā)的軟件模型（里面包含了算法）來得出三個結(jié)論，最后自己會再人為地就結(jié)果進行判斷—;—;他強調(diào)，有很多參數(shù)是不能量化的，比如說社會情緒；所以需要人為參與。

他還表示：再好的軟件也不能百分之百預(yù)測準(zhǔn)確。

當(dāng)大船和小船同時遇見冰山

畢業(yè)于清華大學(xué)的李志斌，有著超越數(shù)據(jù)分析之外的超前洞見和思維。

比如說，在建模過程中，李志斌是從國內(nèi)的數(shù)據(jù)開始的，這些數(shù)據(jù)不僅對李志斌的建模過程產(chǎn)生了重要影響，也讓他得出了一些觀察。于是，武漢封城前一天，他就在自己所在的"清華80同學(xué)群"里和同學(xué)們分享了兩個想法：

一是武漢應(yīng)當(dāng)立即封城，因為數(shù)據(jù)上升太嚇人；

二是在湖北尤其是武漢地區(qū)快速建立二三十個網(wǎng)格式野戰(zhàn)醫(yī)院，作為隔離救治中心，所謂野戰(zhàn)醫(yī)院，也就是后來的方艙醫(yī)院，因為疫情發(fā)展太猛，隔離病人是比治療更為關(guān)鍵的防控措施。

這些想法在同學(xué)群里引起了很多討論，當(dāng)然也有質(zhì)疑和反對，但更多的是同學(xué)們的積極參與，并提出了好多更好的想法和建議，獲益良多。后來的事實證明，這些想法都是中肯的，并且也被官方后續(xù)采取的措施所印證—;—;其中關(guān)于野戰(zhàn)醫(yī)院等想法更是超前了兩周。

除了上述建議，李志斌還在數(shù)據(jù)分析和模型構(gòu)建的過程中發(fā)現(xiàn)，成為疫情爆發(fā)點的城市往往具備幾個特征：

老城區(qū)；

氣候潮濕；

氣溫5-15度；

下水系統(tǒng)老化；

老年人比例高。

值得一提的是，在不同國家的疫情爆發(fā)城市，如中國武漢、韓國大邱、意大利米蘭、伊朗德黑蘭、美國紐約等，都大致符合這些特征。

對于這些特征的歸因，李志斌強調(diào)，其中夾雜了個人的主觀合理猜測，但也經(jīng)過一系列的結(jié)果驗證，最終才體現(xiàn)在預(yù)測結(jié)果中。

他還表示，實際上，在參數(shù)中，還涉及到社會組織方式、管理模式、社會信息透明度等問題，所以他在預(yù)測中也會把結(jié)果設(shè)定為悲觀或樂觀。

如果按照李志斌在在4月4日給出的悲觀預(yù)測結(jié)果，他對美國感染人數(shù)的總體預(yù)測準(zhǔn)確率高達96%。

李志斌對美國感染人數(shù)的預(yù)測（悲觀），準(zhǔn)確率高達96%

不過，在專訪中，盡管有人為參與，但李志斌還是強調(diào)了數(shù)據(jù)在決策中的絕對地位。他表示，即使是拋開疫情不談，在一個日常的決策過程中，數(shù)據(jù)的重要性可以說是百分之百的；這些數(shù)據(jù)不僅僅要真實，而且要全面，還要透明，即使在后續(xù)過程中有人的參與，也是要基于這些數(shù)據(jù)判斷而來的—;—;數(shù)據(jù)，正是決策的基礎(chǔ)。

那么，基于數(shù)據(jù)的決策，有多大的覆蓋面呢？

李志斌認(rèn)為，即使是新冠肺炎疫情這樣的頗具偶然性、又包含政治、經(jīng)濟等復(fù)雜社會因素的群體性公共事件，也是可以預(yù)測的。

他表示，類似于傳染病的情況，它的發(fā)展存在著一種特定的模式（Pattern），偶然之中有規(guī)律在，我們也許無法掌握100%準(zhǔn)確的規(guī)律，但是在一定的規(guī)律占比下，我們依然可以做出一些判斷和決策—;—;當(dāng)然前提是巨大的有效數(shù)據(jù)量。

由此，李志斌還談到了一個有趣的比喻：

一只大船和一只小船，在突然遇到冰山時，它們勢必要拐彎；但相對來說，大船的結(jié)局顯然更具有可預(yù)測性。小船一下子就改過來了，但大船的體量太大，有一個慣性，因此它有更大的可能性撞上冰山—;—;這個慣性就是規(guī)律，而船的體量本身，就是數(shù)據(jù)量。

數(shù)據(jù)量越大、數(shù)據(jù)越準(zhǔn)確、相關(guān)信息越透明，這種群體性事件發(fā)生的時候就越容易預(yù)測、且預(yù)測越準(zhǔn)確—;—;李志斌最后如是說。