图片来源： 盖蒂图片社
COVID-19 大流行凸显了生物安全危机在很大程度上依赖于科学沟通和信任。公共卫生建议、科学研究、政治言论和数字媒体已经变得相互依存，使信息治理成为流行病防范的一个重要方面。决策必须根据不断变化的证据做出，与此同时，有关科学结果的信息，有时甚至是有关健康的错误信息正在社交媒体上传播。
随着人工智能 (AI) 及其在不同科学领域的众多衍生产品的出现，生物安全也不例外。人工智能及其对生物制剂的影响经常被讨论；人工智能在开源预警系统中的应用也越来越多，使用不同的平台来通知预警系统（EWS）的输出。那么问题来了：当越来越多地用于危机管理的平台也被用来检测相关信号时，我们如何区分科学传播、虚假信息、错误信息和异议？
因此，世界卫生组织（WHO）将其定性为“信息流行病”，指在突发卫生事件期间真实信息与虚假信息并存，难以辨别差异。
COVID-19 和信息挑战
COVID-19 大流行凸显了危机情况下科学传播所面临的挑战。最初对严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 的担忧导致有关空气传播、口罩使用、疫苗接种策略和公共卫生限制的建议发生了变化。尽管新数据证明这些变化是合理的，但在多个报告平台和口碑建议中，这些变化常常被认为不一致。可靠的科学知识与官方和非官方数字渠道中的虚假主张并存，使问题变得更加复杂。有关疫苗、医疗甚至冠状病毒本身存在的主张吸引了大量受众，而有关隔离、学校停课和日常生活其他方面的讨论变得越来越政治化。
科学分歧并不一定意味着错误信息。传统上，科学进步涉及提出假设、进行同行评审、复制结果以及比较相互竞争的解释。在疫情爆发的情况下，在知识积累的早期阶段，不同的科学理解可能会共存。对空中传输作用的讨论说明了这一点。在大流行开始时，官方建议重点关注通过呼吸道飞沫和受污染表面传播的危险。与此同时，气溶胶科学家强调了空气传播的更大作用。新证据的积累导致了指南的变化，这反映了科学认识的演变。
然而，由于基于开源情报（OSINT）和人工智能（AI）的生物安全监控方法的日益普及，信息环境变得更加复杂。现代人工智能辅助系统会分析社交网站、新闻源、博客、网络论坛和其他公开信息提供的大量数据，以便在通过传统监测机制发现新爆发疫情的迹象之前识别它们。虽然这提高了态势感知能力并有助于更快地发现疫情爆发，但这种方法为大量错误信息、虚假信息甚至影响运营打开了道路。
随着人工智能技术在生物安全领域的应用越来越广泛，开源信息的质量将与人工智能技术性能的提高同样重要。
疫情期间，各种关于疾病起源、疫苗、疗法和其他卫生政策的说法在网上迅速传播，超过了官方公告。如果这些信息在未经适当验证的情况下由人工智能辅助系统处理，可能会导致错误的风险评估、虚假警报、掩盖真实疫情的迹象以及虚假新闻的传播。随着人工智能技术在生物安全领域的应用越来越广泛，开源信息的质量将与人工智能技术性能的提高同样重要。
大流行期间的沟通挑战持续存在，如安息肉牛痘和高致病性禽流感 (H5N1) 等。 2022 年的 MPOX 爆发说明了信息共享的密不可分以及耻辱和信任问题。由于这种疾病出现在特定的性网络中，因此有关病毒传播的公共卫生沟通必须避免加深耻辱或阻碍检测和治疗。这凸显了生物安全传播中的另一个挑战：如果没有背景信息，即使技术上准确的信息也会损害公众的信任。
同样，监测 H5N1 的当局必须在准备工作与提供的沟通之间取得平衡。尽管已经发生了人类感染，但尚未记录到持续的人际传播。 H5N1很好地说明了这一点：人类感染并不一定涉及人与人之间的传播。在这些情况下，公众沟通必须区分生物危险的现实和特定结果的可能性。前者可能会引起不必要的公众恐慌，而后者可能会导致准备工作的延误。
科学知识必然会在疫情爆发的过程中不断发展，但随着开源数据和基于人工智能的监控系统的使用不断增长，不准确或被操纵的数据可能会越来越多地影响公众的看法和威胁识别。
基因组监测也改变了生物安全治理的方式。在 COVID-19 大流行期间，测序技术能够快速检测 Alpha、Delta 和 Omicron 等新变种，从而使政府能够修改其应对策略。错误信息、错误信息和真正的科学分歧之间的区别是生物安全治理的核心挑战之一。科学知识必然会在疫情爆发的过程中不断发展，但随着开源数据和基于人工智能的监控系统的使用不断增长，不准确或被操纵的数据可能会越来越多地影响公众的看法和威胁识别。应对这一挑战需要评估证据、公开沟通不确定性以及验证为公共卫生措施决策提供信息并支撑基于人工智能的早期预警系统的数据的标准。
培养机构之间的信任
对生物安全紧急情况的依赖不应仅限于单一实体。大流行病期间的良好治理需要国际组织、国家卫生机构、科学组织、研究人员、媒体和数字平台之间的合作。
世卫组织是一个国际组织，仍然对协调应对全球突发卫生事件负有首要责任。它为通过疾病监测、技术援助和国际协调采取集体行动提供了一个平台。然而，只有通过与成员国的合作和透明的报告才能发挥作用。国家公共卫生组织通过国家政策、监测、疫苗接种计划和风险评估来落实国际建议。它们从科学独立性、透明度以及技术信息和政治决策之间的分离中获得可信度。
科学评估的独立来源包括科学期刊、大学和研究人员。独立研究人员在挑战既定观点和发现现有证据缺陷方面也发挥着重要作用。媒体通过调查和问责做出贡献。
生物安全准备的政策基础
在生物安全紧急情况下建立信任是一项只有通过事先规划和准备才能实现的任务。。 公共卫生系统不仅必须确保有足够的资源用于监测、实验室能力、疫苗接种和医疗保健，而且还必须将沟通策略纳入备灾规划。
公共卫生系统不仅必须确保有足够的资源用于监测、实验室能力、疫苗接种和医疗保健，而且还必须将沟通策略纳入备灾规划。
透明度应成为公共卫生决策的一个组成部分。政府必须明确解释其政策决定的基础，包括不确定性和基础研究。科学报告和建议的出版可以对其进行严格审查。科学素养对于有效沟通也至关重要。提高公众对不确定性、风险评估和证据评估的认识将提高社会理解不断变化的指导方针的能力。最后，鉴于感染的无国界性，国际合作至关重要。世界卫生组织《流行病协议》反映出人们日益认识到应对未来疫情爆发的必要性。
这些基于人工智能的预警系统的使用增加还需要适当的开源数据收集和分析治理标准。
- 人工智能抓取工具可以将所有数据视为研究事件的基准，但公开的信息不能被认为同样可信。应根据多个来源进行验证，确定信息的来源，评估置信度，并将结果与可靠的公共卫生数据进行比较。区分来自社交媒体、博客文章、论坛和其他来源的信号以及来自可信科学和政府组织或同行评审出版物的信息，并为每种类型的来源分配明确的权重非常重要。对人工智能生成结果的手动监督应该仍然是该过程的一部分，特别是当它们可以为公共卫生政策或国际报告提供信息时。
- 有必要建立人工智能在生物安全监测中使用的监管和技术相关标准。这应包括提高数据源透明度、验证开源数据、审计偏见和错误信息以及确保基于人工智能结果的决策问责制的措施。通过这些标准，政府可以减轻影响早期预警系统的错误信息和偏见的风险。
结论
错误信息和科学异议之间的分歧也许是现代生物安全治理面临的主要挑战。 COVID-19 的经验表明，管理信息与管理病原体的传播同样重要。成功的生物安全治理不应消除所有分歧，但应确保分歧以证据为基础，并纳入决策、科学传播、数据收集和预警系统。
什拉维什塔·阿贾库玛尔 是观察者研究基金会安全、战略和技术中心的准会员。
以上观点属于作者本人。 ORF 研究和分析现已在 Telegram 上提供。单击此处查看我们精选的内容：博客、长表格和采访。