從體溫檢測到大數據警報防控，從智能問診到智能演算法助力藥物研發，人工智慧在抗擊新冠肺炎這場戰役中正在發揮著越來越重要的作用。
截至2月4日16時，全國累計確診新型冠狀病毒感染的肺炎20502例，疑似病例23214例，累計死亡病例426例，累計治癒出院693例。
不斷上升的確診數字牽動著每個人的心，社會各界紛紛投入到這場沒有硝煙的疫情阻擊戰中。可以看到，除了不舍晝夜的醫護工作者外，人工智慧技術也在這場戰役中起到了不可小覷的作用，快速體溫檢測、大數據防控、接診問診、機器人接待……毫無疑問，人工智慧技術正逐漸成為人類的新一代守護者。
一、實現快速體溫檢測
由於這次春運返程高峰期與疫情防控關鍵期重疊，春運期間的疫情防控便顯得尤為重要。面對密集的人流，高鐵站、機場等交通樞紐採用傳統的手持式「額溫槍」「耳溫槍」顯然難以滿足需求。
在這種情況下，以人工智慧圖像識別技術結合紅外熱成像技術，可以在一定面積範圍內對人流區域多人額頭溫度進行快速篩選及預警，解決了佩戴口罩及帽子造成的面部識別特徵較少的問題，方便對人流聚集處的快速篩選。
根據新聞顯示，百度已在北京清河火車站落地AI多人體溫快速檢測解決方案，基於人臉關鍵點檢測及圖像紅外溫度點陣溫度分析演算法，可實現人流密集場所的快速體溫檢測。
二、拉響疫情警報，大數據高效防控疫情
運用雲計算、大數據等技術進行精確翔實的數據歸集和分析，能有效助力政府進行科學化決策。例如一家加拿大人工智慧初創企業Bluedot，以AI系統搜索外語新聞報道、動植物疾病報告和各類官方公告，通過自然語言處理分析可能的疫情報道，2019 年 12 月 31 日該系統發出警告，並正確預測了新型冠狀病毒在首次出現后的幾天內將從武漢擴散到曼谷、漢城、台北和東京。
除了拉響警報，大數據技術還能從宏觀上預測多少人可能被感染，幫助政府決策物資投放和管控手段，精確掌握散落在各地的隱性傳染者。例如基於大數據可以獲知在武漢華南海鮮市場關閉前，有多少曾去過那裡的人，通過跟蹤他們的信息，進而獲得精準防控能力。
此外，有關部門和技術公司還能利用不同維度的海量數據信息，如地圖數據、航空數據、移動通信數據、電商消費數據等，進行綜合建模和分析，做出針對疫情的合理決策判斷。
三、智能問診系統環節醫生接待壓力
隨著基層百姓對疫情的認識不足，由於普通的頭疼、發燒、咳嗽而擠向醫院的患者數不勝數。越多的人湧向醫院，交叉感染就越多，必將不利於疫情的防控，也讓本就緊張的醫療資源雪上加霜。即使一部分醫院、組織通過線上諮詢解答患者疑問，但受到線上醫生接待服務時間、精力限制，仍舊無法解決大部分患者疑問及恐慌。
為緩解一線壓力，可以藉助自然語言處理等技術打造肺炎諮詢機器人，輔助醫生解決簡單病情問答，釋放醫生時間精力去做更有價值的事。國內智能客服企業快商通已於1月29日上線肺炎諮詢機器人，當前已與北京同仁堂、智業互聯、部分三甲醫院達成合作，為醫院、政府、公益組織等免費提供。
四、機器人降低接觸傳播
由於新型冠狀病毒的傳染性，利用機器人來完成某些替代性工作，可以有效防止人與人之間的接觸所可能造成的疫情擴散。在本次新型冠狀病毒肺炎確診案例的治療過程中，機器人已經派上用場。
以美國首例新型肺炎病患救治過程為例，為了防止病毒的進一步傳染，治療過程中，醫生負責在隔離窗外操作機器人，而機器人配備了攝像頭、麥克風和聽診器等設備，能替代部分人類工作。
另一方面，機器人除了用來對病人進行治療，還可以承擔其他的一些非接觸性工作。例如：以送餐機器人為隔離區人員送餐送物，可避免交叉感染；應用中國科學技術大學附屬第一醫院（安徽省立醫院）聯合中國科大相關技術團隊研製的無接觸式多功能自助終端設備，使用者無需與屏幕接觸，點擊空中成像，就能完成挂號預約繳費等多功能自助服務。
五、人工智慧演算法尋找病毒宿主
對於新型冠狀病毒，快速找到其自然宿主、中間宿主，弄清通過什麼途徑傳播到人類，對於切斷傳播途徑具有重要意義。1月25日，北京大學工學院教授朱懷球團隊在bioRxiv預印版平台發表了一篇題為《深度學習演算法預測新型冠狀病毒的宿主和感染性》的研究論文。
該團隊使用雙路卷積神經網路（BiPathCNN）技術，預測新型冠狀病毒的宿主，通過分析，研究團隊發現，蝙蝠冠狀病毒與新型冠狀病毒具有更相似的感染模式，可能是其自然宿主。通過比較所有宿主在脊椎動物上的病毒傳染模式，發現水貂病毒的傳染性模式更接近新型冠狀病毒，可能是其中間宿主。
六、人工智慧助力抗病毒藥物研發
傳統藥物研發的大致流程是先篩選出病毒特異性的蛋白靶點，然後從數以萬計的化合物庫中大規模篩選，期望從中選出效果好，毒性小的藥物。由於篩選量龐大，研發過程費時費力，成本高昂。
在人工智慧的參與的藥物研發模式下，首先將大量已知的靶點3D結構與藥物作用模式輸入模型，教會人工智慧判斷某個藥物是否對靶點有作用。人工智慧驅動的藥物研發變成了確定靶蛋白的3D結構，然後人工智慧便會從龐大的化合物庫中自動篩選可能有效的藥物，研發人員只需通過實驗，驗證少數篩選出的結果，大大節約研發時間和成本。
當前疫情之下，BAT等巨頭紛紛捐助龐大AI算力，便是為了協助科學家快速篩選出藥物。