In de afgelopen afleveringen van deze reeks over technologische toepassingen tijdens de coronacrisis in China hebben we verschillende vormen van kunstmatige intelligentie (artificial intelligence; AI) voorbij zien komen. Allereerst zagen we zelfrijdende wagentjes die boodschappen en medicijnen bezorgden in Wuhan en Beijing en robots die in ziekenhuizen worden ingezet om maaltijden te bezorgen of ruimtes te ontsmetten. We zagen hoe gezichtsherkenning wordt toegepast bij toezicht op het naleven van quarantaineregels. En in de vorige aflevering besprak ik de Health Code-apps die burgers voorzien van een gekleurde QR-code die uitdrukt of ze een besmettingsgevaar vormen. Die laatste zou kunnen werken op basis van een eenvoudig ouderwets predictive model met een gewogen puntensysteem, maar er zou ook een geavanceerd algoritme achter kunnen zitten.
In deze aflevering zoomen we wat meer in op een aantal van deze en andere AI-toepassingen in de Chinese coronacrisis.
AI-diagnoses
In 2017 verdeelde de Chinese overheid de aandachtsgebieden voor AI-ontwikkeling tussen een aantal grote Chinese technologiebedrijven. Tencent kreeg beeldherkenning voor medische diagnoses toegewezen, wat uiteindelijk resulteerde in een systeem dat een grote reeks ziekten kon diagnosticeren en een ecosysteem in de cloud dat diverse AI bedrijven in de gezondheidszorg konden gebruiken voor samenwerking en delen van data. iFlytek ontwikkelde op haar beurt een intelligente diagnoserobot. Het inzetten van AI in de gezondheidszorg is dus niet nieuw in China, maar is inmiddels wel in een stroomversnelling geraakt.
Op 4 februari spoorde de Chinese overheid alle AI-bedrijven aan om producten te leveren die konden bijdragen aan het voorkomen en beheersen van de uitbraak. Dit resulteerde in een lijst met 300 toepassingen, variërend van schoonmaakrobots tot systemen om temperatuur te meten.
Een toepassing die de laatste tijd regelmatig in het nieuws is is het AI systeem dat reeksen CT-scans – soms wel 300-400 per patiënt – razendsnel kan analyseren, in zo’n 20 seconden in plaats van de 5-15 minuten die een radioloog normaal nodig heeft. Het Shanghai Public Health Clinical Center ontwikkelde twee systemen met United Imaging en Yitu Technology. De laatste luistert naar de pakkende naam ‘Intelligent Evaluation System of Chest CT for COVID-19’.
Na de corona-uitbraak paste Yitu een bestaand project voor het identificeren van longkanker en tuberculose zo aan, dat het longontstekingen kon herkennen en trainde het ruim een week lang met beschikbare data. Het systeem van Yitu zou met 99% zekerheid een virale longontsteking kunnen herkennen. Ook Infervision, onderdeel van NVIDIA Inception, en Alibaba lanceerden intussen soortgelijke systemen. Alibaba ontwikkelde haar systeem samen met DAMO Academy en trainde het met 5.000 CT-scans. Het systeem spoort niet alleen vermoedelijke besmettingen op, maar analyseert ook het effect van de behandeling van bestaande patiënten.
Alibaba claimt dat het systeem de scans kan uitsplitsen in coronavirus, de gewone griep of andere luchtwegaandoeningen en een nauwkeurigheid heeft van 96%. Radiologen zijn echter sceptisch over al deze claims en noemen het PR-stunts. Op een CT-scan zou een longontsteking veroorzaakt door COVID-19 er hetzelfde uitzien als een longontsteking veroorzaakt door de griep. Om COVID-19 vast te stellen zou er dus altijd nog epidemiologisch bewijs en een nucleïnezuurtest nodig zijn.
Wie we moeten geloven, de Alibaba-PR of de radioloog die mogelijk z’n baan op de tocht ziet staan, is niet duidelijk. Wat wel duidelijk is, is dat deze systemen potentiële capaciteitsproblemen kunnen oplossen in combinatie met menselijk inzicht. De tijd die nodig is voor een diagnose zou hiermee gehalveerd kunnen worden. Alibaba biedt de AI-diagnosetool inmiddels ook aan Europa aan.
Voorspellen beter dan genezen?
In samenwerking met de medisch expert Zhong Nanshan, de nationale held van de SARS- uitbraak in 2002-2003 en een belangrijke leider in de strijd tegen COVID-19, werkt met Chinese techbedrijven als Alibaba en Tencent aan diverse AI-toepassingen. Hij zette samen met Tencent een big data en AI-lab op in de strijd tegen deze en toekomstige epidemieën. In de toekomst moet het lab, naast vergelijkbare diagnoses zoals hierboven beschreven, ook vroegtijdig waarschuwen bij epidemieën en uitbraken van luchtweg- en longaandoeningen. Ook verzekeraar Ping An ontwikkelde een systeem dat uitbraken van ziekten met een vermeende nauwkeurigheid van 90% kan voorspellen.
De vraag blijft echter wel of AI de mens al te slim af kan zijn bij het voorspellen van uitbraken als die van corona. Eind 2019 alarmeerde een AI-systeem in Boston ons al over een virusuitbraak in China. Maar er was nog wel menselijke interpretatie nodig om de ernst in te schatten. En mensen kwamen een half uur later ook zonder het AI-systeem al tot dezelfde ontdekking. In het verleden bleken systemen van Google en de Chinese zoekmachine Baidu bij het analyseren van internetdata daarnaast vaak overschattingen te maken van griepuitbraken. Beide systemen werden daarom uiteindelijk uit de lucht gehaald.
Vooralsnog lijkt AI dus vooral bruikbaar als een uitbraak al heeft plaatsgevonden en er gebrek is aan menselijke capaciteit. In Shanghai wordt bijvoorbeeld gebruik gemaakt van een voice bot met stemherkenning, die belt naar personen die als risicogeval zijn geïdentificeerd. De bot verzamelt en controleert op basis van enkele vragen persoonlijke informatie, locatie en gezondheidstoestand. Op basis van de antwoorden adviseert de bot de burger eventueel 14 dagen in zelfquarantaine te gaan en informeert vervolgens het gezondheidscentrum in de wijk, die verdere opvolging verzorgt. De voice bot kan op deze manier elke vijf minuten 200 gesprekken uitvoeren en tevens dagelijkse rapportages opmaken.
Gezichtsherkenning
In het derde artikel in deze reeks beschreef ik dat de vergevorderde gezichtsherkenning in China na de uitbraak gehinderd werd door de mondkapjes die alle burgers nu dragen. Baidu lanceerde een tool waarmee herkend kan worden of iemand een mondkapje draagt, maar claims dat er al AI was die ook de identiteit van mensen met mondkapjes op kon vaststellen werden in twijfel getrokken.
Tot enkele weken later… Abacus schreef dat het AI-bedrijf SenseTime burgers met mondkapjes, sjaaltjes en zelfs nepbaarden inmiddels kan herkennen. De technologie is gebaseerd op DFI (disguised face identification)-onderzoek van Stanford University uit 2017. Bij deze technologie zijn de markeringspunten rond de neus en ogen voldoende voor identificatie. Het SenseTime-algoritme leest normaal 240 van dergelijke markeringspunten uit op een volledig zichtbaar gezicht, maar kan met minder punten ook een match maken. Die zal er wat vaker naast zitten maar volgens SenseTime gaat het uiteindelijk om de kwaliteit van de metingen, niet het aantal metingen. Ter vergelijking: onderzoekers van de universiteit van Bradford behaalden 90% nauwkeurigheid op vergelijkbare methoden.
Vaak helpt het als het bestand met populatie waaruit de software iemand moet herkennen beperkt is. Minivision, een ander Chinees bedrijf in gezichtsherkenning, ontwikkelde een algoritme dat bewoners van een afgesloten woonwijk bij de poort kan identificeren als ze mondkapjes dragen. Het aantal mogelijkheden waaruit iemand herkend dient te worden is in een wijk natuurlijk een stuk kleiner en daarmee de slagingskans groter. Deze technologie met één simpele camera wordt ‘single channel’ genoemd en producten van SenseTime, FaceGo en Hanvon kunnen op dezelfde manier ook worden ingezet om werknemers binnen een bedrijf of kantoorpand te herkennen.
Hanvon, ook bekend als Hanwang Technology Ltd en leverancier van diverse overheidsinstanties, beschikt volgens Reuters ook over ‘multi-channel’-gezichtsherkenning, waarbij een persoon in een groep van maximaal 30 personen door gebruik van meerdere camera’s binnen een seconde met 99,5% zekerheid herkend kan worden. Bij gebruik van een mondkapje daalt deze tot een nog steeds indrukwekkende 95%. Draagt iemand echter ook een zonnebril dan krijgt het systeem het moeilijk omdat er te weinig markeringspunten overblijven.
Ondergetekende: “Mooi!”
Temperatuurmeting
In het interview van Reuters met Havon werd overigens geopperd om hun gezichtsherkenningssysteem te koppelen aan een thermische sensor waarmee de lichaamstemperatuur van een persoon uitgemeten zou kunnen worden. Zo zouden mensen met koorts dus geïdentificeerd kunnen worden in een menigte.
Het is niet de eerste keer dat dit idee voorbijkomt. Nu mensen langzaamaan beginnen terug te keren naar hun werk en lockdowns versoepeld worden neemt de angst voor nieuwe uitbraken in China toe en wordt er gezocht naar manieren om risicogevallen te identificeren. Naast het eerder besproken QR-Health Code-systeem worden daarvoor ook thermische sensoren met kunstmatige intelligentie ingezet.
E-tailer JD.com kondigde aan een ‘smart body temperature screening system’ te hebben ontwikkeld dat ingezet kan worden om mensen met koorts te identificeren in grote menigten, zoals op treinstations, luchthavens, kantoorgebouwen en winkelcentra. Een van de voordelen van het systeem is dat de doorstroom op dergelijke plekken veel sneller is dan bij het handmatig meten van de temperatuur van alle passanten. Het systeem zou in 10 steden zijn ingevoerd, waaronder Beijing en Tianjin, en zou tot op 0,3 graden Celsius nauwkeurig zijn. Andere bedrijven die op verzoek van de overheid in enkele metrostations van Beijing vergelijkbare systemen hebben gelanceerd zijn Megvii en Baidu. Megvii’s systeem kan een station voorzien van maximaal 16 controlepunten en op elk punt van 15 personen tegelijkertijd de temperatuur meten. Één medewerker zou de volledige monitoring voor zijn of haar rekening kunnen nemen.
New York Times journalist Paul Mozur ontdekte dat sommige thermische camera’s wel moeite hebben om een persoon met koorts en een bakkie Starbucks van elkaar te onderscheiden.
Dit soort thermische detectiesystemen komt overigens in verschillende vormen en smaken. Een van de meest opvallende is ongetwijfeld de camera die is ingebouwd in een politiehelm in Shenzhen. Naast temperatuurmeting zou de camera ook beschikken over gezichtsherkenning, wifi, bluetooth en 5G en zou – hoe kan het ook anders in China – QR-codes kunnen scannen. Ook heeft een bedrijf plannen voor een vending machine voor mondkapjes die is uitgerust met een thermische camera. Na het scannen van een ID-card kan de automaat de autoriteiten alarmeren over mensen met koorts. Klinkt toch een beetje als een soort geavanceerde muizenval.
Gosuncn ontwikkelde een zelfrijdende robot met thermische camera (zie video) die naar eigen zeggen tot op 5 meter afstand een persoon – al dan niet met mondkapje – met koorts kan herkennen en identificeren. De robot, die doet denken aan een kruising tussen Wall-E en E.T. geeft ook een waarschuwing als mensen geen masker dragen en zou ontworpen zijn om de tijd die politie buiten doorbrengt, en daarmee het risico dat ze besmet raken, terug te brengen. Agenten kunnen de burgers echter wel aanspreken en waarschuwingen verzenden via de robot.
Opmerkelijk was ook het nieuws over drones van DJI die in woongemeenschappen (zie deze video) en controleposten op snelwegen worden ingezet om de temperatuur van burgers te meten. Ze bleken een veel nauwkeurigere meting te kunnen doen als ze werden uitgerust met… een wattenstaafje! Nee, dat wattenstaafje was niet bedoeld om een monster te nemen voor een coronatest – steek jij graag je hoofd tussen die propellers? – maar als kalibratiepunt voor de thermische camera. Zonder wattenstaafje kon de meeting 4 tot 5 graden Celsius afwijken (en was daarmee in principe volkomen onbetrouwbaar), maar uitgerust met staafje daalde de afwijking naar een halve graad.
Zoek het wattenstaafje (Foto:DJI)
Daar haalt Baidu z’n neus voor op want die beweert dat hun eerdergenoemde systeem tot op 0,05 graden Celsius nauwkeurig kan meten. En dan bekruipt me toch het gevoel dat we niet alles moeten geloven wat Chinese techbedrijven ons proberen wijs te maken.
Lees ook de andere afleveringen uit deze reeks over technologie in tijden van corona.