如何通过1亿条微博、文章、短视频，提前预测到汛情？( 二 )

沈阳向南都采访人员解释其原理，灰犀牛是大概率事件，黑天鹅是小概率事件。若要预测小概率事件的发生，就要先找到“黑天鹅蛋” ，再判断是否符合孵化蛋条件，包括环境判断、条件判断、变量判断等。
“从本质上讲，我们要发现案例，提炼规则，抓住一个我们想预测的事儿，把这个规则加进原来的分析框架和逻辑里，再来分析。 ”
他举例，此前英国、巴西等国家的领导人感染了新冠病毒，若能找到其感染后国家政策的调整规律，再有国家元首感染新冠时，就可据此建模推测这个国家的政策走向。
这套逻辑也用在了对疫情走势的预测上。
【如何通过1亿条微博、文章、短视频，提前预测到汛情？】早在2、3月份，沈阳团队就开始对武汉疫情走势做预测，但他很快发现，如果单纯基于传染病的数学模型计算，其结果不一定准确——疫情防控往往还涉及到当地的人文情况。 “由此我们认为，针对具体事件做预测时，还要有具体的逻辑支撑。 ”
6月初，新冠疫情在北京复燃，沈阳团队也做了自己的预测。在计算一期感染规模时，他沿用了严格的传染病数学模型做推算。而在计算社区传播规模时，则借鉴了日本和韩国的病毒传播情况做推算。
他向南都解释，中日韩三国均受到儒家文化熏陶，老百姓危机意识较强，也愿意为公共利益让渡一部分私人权利。三个国家具体的感染模式也呈现了相似的周期性，当疫情暴发后，隔离措施严格化，感染人数马上就会得到控制。随后为了恢复经济，市场重新开放，疫情又会零散发生。
“所以在疫情防控常态化的情况下，我们认为预测模型可以参考他们的疫情走势。 ”沈阳说。

如何发现风险弱信号？当风险敏感者说了热搜外的一件事

沈阳向南都采访人员展示了评估报告，在考虑不同程度的防控措施后，他给出了三种可能的结果。最差情况下，北京此轮疫情将在暴发60天后稳定，最终感染1350人；中间情况是42天稳定，感染500人；最乐观情况下，疫情在21天内稳定，最终感染352人。
总体上看，这次预测的结果比较精准。北京第二轮疫情在暴发26天后进入0新增确诊病例阶段，目前累计确诊335例。 “非常幸运，北京的疫情防控措施比日本和韩国严格很多，最后结果是比较乐观的，也较为符合我们的预期。 ”他说。
沈阳把对疫情的一些预测和分析，包括疫情周期和感染人数提交给有关部门做决策参考。同时，对其他主题的分析和预测也得到了有关部门的回应。
显然，从每天1亿多条网络信息中挖掘并预测可能的“爆点”并不容易。沈阳也总结出一套自己的方法论。
他告诉南都，通过热点发现系统，可以监测中国近3000个县的热点信息，再从出筛选出可能存在的风险。 “研究团队会定期关注对大多数人有影响的风险，根据数据变化情况去发现风险。 ”他解释。
除了对固定地区的监测外，沈阳表示，在研究舆论的10多年中，他们定义了超过10万风险敏感者。这些人往往能发现潜在的风险事件， “如果他们说的一件事不在热搜里，且这件事可能有指数级的增长，就纳入我们的观测范围。 ”
虽然已有部分预测成功的案例，但沈阳也坦言，对“基于网络公开数据的风险弱信号发现与预测”的研究还刚刚起步，并未对各个预测项目做准确度评估。事实上，他也认为，不可能什么事都预测准确，但目前至少可以形成类似于天气预报的风险预报。
“做预测最好玩的地方在哪？你可以对明天做一个预测，如果这件事明天没有发生，你当时就能看到预测的对错。 ”沈阳强调，风险预测现阶段还是以人为主、机器为辅做发现和预警，随着时间、经验的积累，未来也有希望过渡到人机并用或机器为主的时代。
“这个时间可能会很长，悲观的情况下，我这代人可能会止步于此，需要我们的学生继续沿着这条路走下去。 ”他总结道。

南都采访人员宋承翰发自北京
编辑：程姝雯