英國面對新冠肺炎疫情， 在3月份防疫慢半拍，而愛爾蘭則採取果斷行動，相鄰兩國，造成了生與死的差別。
香港和英國有眾多聯繫，很多人關心為何英國抗疫搞到如此糟糕。英國《衛報》昨日刊登了研究員多伊爾（Elaine Doyle）的文章。「愛爾蘭政府深切體會當前的國人被新冠病毒感染的風險，上個月作出的種種措施，很大程度上決定了我們會有多少人失去生命。」
英國政府的防疫措施被指慢半拍，失去最好時機阻斷病毒大流行。AP圖片
愛爾蘭目前有406人死於新冠病毒感染，死亡率3.5%，英國的死亡人數則高達12,129人，死亡率高達12.8%，即是英國在這場疫情的死亡率，是愛爾蘭3.7倍，不過，英國媒體極少提及這位近鄰截然不同的抗疫表現。
《衛報》文章指出︰「愛爾蘭人關注英國媒體，在此期間，全程目睹英國境內爆發生的一場疫情大流行，以及不斷傳出的絕望與悲傷消息。回顧數周之前，新冠死亡病例遠比現時低，看英國的報導時我們已經感到不安，事關愛爾蘭相比之下做得比英國更多的防疫措施，英國政府明顯落後。」
當愛爾蘭關閉中小學和大學時，首相約翰遜只是告訴英國人勤洗手，當愛爾蘭
取消聖派翠克節（St.Patrick's Day）的所有慶祝活動，英國卻容許切爾滕納姆賽馬（Cheltenham Festival）如期舉行，為期幾天的賽事前後有多達25萬的人流聚集。兩者對疫情態度的不同，令人不解。最明顯分別在於愛爾蘭聖派翠克節之前的周末，愛爾蘭政府禁止100人以上的室內聚會，不過，當有大量人群到酒吧狂歡慶祝的視頻流出，即時引起公眾的不滿和抗議，愛爾蘭衛生部長作出公開批評之後；酒吧表現自律，於翌日早上自願停業。
英國不顧疫情「馬照跑」，切爾滕納姆賽事如期舉行。資料圖片
同一周末，成千上萬的人參加了在英國威爾士舉行的加的夫音樂會，從Twitter發布的現場視頻中，畫面是震撼的，因為你不知這大群人的聚集，當中有多少人在現場感染了病毒。「這不是要怪責演出的樂隊，音樂會照常舉行是因為沒有被禁止。但是，儘管在英國允許他們的演出，但在愛爾蘭卻被禁止了。我認為加的夫的人與我有同感。愛爾蘭政府維護了國人免受疫情損害，而英國卻不是。」
疫症大流行是呈幾何級增長，當初的感染數字似乎緩慢上升，然後立即全速而上。每一天都很重要。3月中旬將抗疫政策推遲一周，將對4月的死亡人數產生巨大影響。這意味著英國和愛爾蘭政府3月份的不同防疫決策，得出完全不同的結果。
英國於3月23日正式進行社區封鎖，走在愛爾蘭之前，但是愛爾蘭從3月 12日至27日已進入「阻延階段」。技術上的關鍵差異在於愛爾蘭取消聖派翠克節，從3月9日到3月23日這兩個星期，愛爾蘭政府迅速採取行動，因此得以更早中斷了病毒感染的幾何級上升。3月中旬，愛爾蘭的模型預測到3月底原本每天將有3000宗新增病例，而實際上每天的增加量不到300宗，是為預測數字十分之一，顯示愛爾蘭政府的措施奏效。
英國已進行嚴厲的社區隔離措施，酒吧要閉門謝客。AP圖片
不同地區之間，各有不同之處，大家要直接比較有點困難。總體而言，愛爾蘭人口只有490萬，而英國人口有6665萬。愛爾蘭的人口密度低於英國，因此減慢了病毒傳播。但是，愛爾蘭人口中的很大一部分集中在首都附近：愛爾蘭有39%的人口居於大都柏林地區，而大倫敦地區則佔英國人口的16％。考慮到愛爾蘭人口高度集中東部，此處爆發感染對愛爾蘭相當不利。此外，家中病毒的傳播性很高，愛爾蘭的家庭平均人數比英國為高，這個因素很重要，意味愛爾蘭的感染傳播壓力更大。與此同時，愛爾蘭和英國的醫療條件較弱，疫情開始時，兩地ICU病床只是歐盟平均水平的一半以上。以上數字很有啟發性。
不過，《衛報》文章表示，現在要斷定英國政府是否拖延誤事，或是愛爾蘭政府行動產生了作用，都屬言之尚早。但不可否認的是，英國目前的感染病毒死亡率增速，為愛爾蘭海沿岸地區居兩倍以上，而愛爾蘭正在測試冠狀病毒，速度是英國至少兩倍。此外，鑑於英國衛生部的每日統計，僅包括在冠狀病毒檢測呈陽性的醫院死亡病例，沒有被檢測者不在其中，這可能壓低了死亡病例數字。
愛爾蘭政府每天發布的感染死亡人數包括療養院和社區的數字，而英國每天發布的死亡人數則不包括。歐盟的數字表明，所有死亡人數中有一半可能發生在養老院中，將其排除在英國的日常數字之外令人費解。如果愛爾蘭把數字調整到符合英國的標準，僅包括醫院中的死亡人數，愛爾蘭的數字會更低，相比之下，兩地差異就更加明顯︰英國死於冠狀病毒的人數幾乎是愛爾蘭的3.5倍。
作者表示，愛爾蘭和英國兩地共同努力抗疫，而作為鄰居之地，愛爾蘭的抗疫經驗很值得英國參考。
深喉
** 博客文章文責自負,不代表本公司立場 **
有「AI教父」之稱的辛頓（Geoffrey Hinton）與Google DeepMind創辦人Demis Hassabis及高級科學家John M. Jumper分別榮獲諾貝爾物理學獎和化學獎，這一消息震撼科研及人工智慧領域。惟不少人憂慮，這是否會對更廣泛的科研，帶來顛覆性的影響？
Hassabis獲得諾貝爾化學獎可能並不讓人感到太意外，因為就在前一天，被譽為「AI教父」的辛頓和普林斯頓大學教授霍普菲爾德(John Hopfield)已經因為在機器學習領域的卓越貢獻而獲得諾貝爾物理學獎。
被譽為「AI教父」的辛頓（Geoffrey Hinton）獲諾貝爾物理學獎。AP圖片
如今，透過深入研究人工智慧並為其他學科領域貢獻力量，完全有可能獲得諾貝爾獎。辛頓和霍普菲爾德在物理學領域，Demis Hassabis及John M. Jumper以及與他們一同獲獎的華盛頓大學基因科學家大衛貝克（David Baker） 所專注的化學領域，就是最典型的例子。
劍橋大學Leverhulme未來智慧中心的高級研究員 Eleanor Drage指，這無疑標誌著已進入「科學領域的人工智慧」時刻。她分析，這些獎項的頒發可能有兩個原因：一是人工智慧在學術研究中無孔不入，極大地模糊了學科之間的界限；二是「我們如此推崇計算機科學家，以至於願意將他們歸入任何領域」，但肯定的是，將對科學研究領域的未來研究方向產生深遠影響。
英國科研誠信辦公室前研究誠信經理Matt Hodgkinson認為，利用AI獲得諾貝爾獎的趨勢或許已初見端倪，這無疑會引導研究方向的轉變。然而，隨之而來的問題是，這種變革是否將引領大家走向正確的道路？
Google DeepMind創辦人Demis Hassabis及高級科學家John M. Jumper、以及華盛頓大學基因科學家大衛貝克（David Baker） 獲諾貝爾化學獎。AP圖片
身為今年諾貝爾化學獎的得主之一，貝克（David Baker）利用AI預測蛋白質結構，他發現由於問題的明確界定以及蛋白質結構的規範性，這一領域成為了人工智慧演算法的理想試驗場。不過，他的成功絕非偶然，貝克在職業生涯中發表了超過600篇學術論文。同樣，Google DeepMind在AlphaFold2專案上也付出了巨大努力。
然而，Matt Hodgkinson也擔憂，在研究今年三位諾貝爾獎得主的成功因素時，該領域的研究人員可能會過於關注技術細節，而忽略了科學的本質，「我希望這不會誤導研究人員，讓他們誤以為所有的AI工具都具有相同的價值，從而濫用諸如聊天機器人等工具」。他認為，技術炒作總是難以避免，最近的例子包括石墨烯和區塊鏈。
Google學術論文搜尋工具Google Scholar的資料顯示，自2004年石墨烯被發現後，2005年至2009年間提及該資料的學術論文數量為4.5萬篇。然而，在Andre Geim和Konstantin Novoselov因發現石墨烯而榮獲諾貝爾獎後，相關論文的發表數量急劇攀升，2010年至2014年間達到45.4萬篇，2015年至2020年間更突破了100萬篇。但遺憾的是，儘管研究熱情高漲，迄今為止這些研究對現實世界的影響仍然相對有限。
Matt Hodgkinson認為，多名研究人員因其在AI領域的貢獻而獲諾獎，這種激勵效應可能會吸引更多人才湧入該領域，進而可能對科學研究方向產生影響，AI的提議和應用是否具實質性的科學價值，這是另一個值得深思的問題。
紐約大學坦頓工程學院電腦科學副教授、從事AI研究的Julian Togelius對學者可能受媒體關注、金錢誘惑以及諾貝爾獎委員會讚譽的影響程度表示擔憂。他強調：「科學家通常會選擇阻力最小、回報最大的發展路徑」。
Julian Togelius解釋，從自然界中獲取更多基礎數據，並提出人類能夠理解的新理論，無疑是一項極具挑戰性的任務，這需要深刻的洞察力和不懈的探索。對於研究人員來說，雖然利用AI進行模擬、支援現有理論並處理現有數據在理解上只能帶來小幅度提升，而非革命性的突破，但這種方法卻更為高效。他預測，新一代科學家可能傾向選擇這條更簡單的道路。
DeepMind創辦人Demis Hassabis 2017年來港時拜訪李嘉誠，就如何支持及平衡AI發展進行交流，李嘉誠當時覺得能參與DeepMind早期投資是珍貴的緣份。
潛在風險是一些過於自信的電腦科學家，在推動人工智慧領域發展的同時，看到人工智慧在不相關的科學領域幫助研究人員獲得諾貝爾獎，可能決心效仿，從而進入其他研究領域，「當電腦科學家涉足自己並不熟悉的領域時，他們往往會不假思索地引入演算法，並將其稱之為進步。無論這種做法是否有效，他們都認為這是理所當然的」。
Hassabis就是利用AI推動科學進步的代表人物。他擁有神經科學博士學位，自2009年以來，在Google DeepMind憑藉著其專業背景為AI的發展做出貢獻。然而，他也坦言，該行業提高效率的方式已經發生轉變，他在諾貝爾獎記者會上提及，「目前，人工智慧正愈發傾向工程化。我們已掌握眾多技術，當下的主要工作是演算法的改進，而不再直接參考大腦的工作機制 」。
