top of page

手機藍牙追蹤防疫

Updated: Apr 28

有朋友問我,如果時光能倒流到2019年11月,大數據能夠如何協助解決新冠肺炎疫情。我認為,新加坡開發的手機應用程式TraceTogether,以及美國麻省理工學院(MIT)推出的Private Kit: Safe Paths,已經可以提供部分答案。

TraceTogether的原理在於手機之間藍牙傳輸訊息的功能,利用藍牙近距離檢測附近使用TraceTogether的用戶。這些近距離接觸記錄會被加密並存儲在每個用戶的手機,未經用戶同意不會上傳。如果用戶確診感染,有關機構才會要求確診者提供數據,以方便追蹤曾與他們有過近距離接觸的人士,同時盡快通過TraceTogether通知近距離接觸者,以便機構及眾監測本身的健康狀況,看有否感染症狀出現。TraceTogether不會收集用戶位置數據,只會使用藍牙數據建立匿名聯繫(People Graph)。此外,兩台手機互相交換訊息時,彼此是以隨機的ID進行通訊,避免洩露任何個人身份數據。

另一個來自美國麻省理工學院媒體實驗室、Facebook及Uber工程師研究開發的智能應用Private Kit: SafePaths,可以從手機記錄用戶去過的地方;跟TraceTogether不一樣的是,它採集位置訊息,但僅存儲在手機上。在用戶同意下,可以用加密方式把這類訊息共享,毋須經過中央授權機構,就可以通過網絡在電話之間共享加密的位置數據,這為公共衞生部門追蹤病毒傳播軌跡提供了很重要線索。無論確診與否,用戶都可以選擇使用該程序與衞生部門共享位置。收集回來的行動軌跡,有利於遏制新冠病毒蔓延,更好地判斷特定場合應否進行關閉和消毒。不過,前提是要有足夠多的人去使用該程式,並願意共享自己的出行路徑,否則在數據不足下,很有可能出現誤判。

相比之下,TraceTogether更徹底保護個人訊息,因為該程式根本就沒收集位置訊息。後者有了位置訊息後,則可更早判斷有高風險傳播的區域,對追蹤潛在隱形傳播者的傳播路徑很有幫助。不過,根據歐盟最新指引,他們偏向使用藍牙的收集方式,並匿名記錄相關數據。

那香港有沒有可以學習的地方呢?香港在這方面其實也刻不容緩,我們的經濟實在不能接受更多的衝擊了。業界應該合力並吸收其他國家的經驗急起直追,盡快研發一套適合香港地理環境且全民都能夠參與的防疫工具。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page