We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
cover of episode Data Science and AI for COVID-19 with Professor James Zou and Dr. Irena Fisher-Hwang

Data Science and AI for COVID-19 with Professor James Zou and Dr. Irena Fisher-Hwang

2020/5/13
logo of podcast Last Week in AI

Last Week in AI

AI Deep Dive AI Chapters Transcript
People
I
Irena Fisher-Hwang博士
J
James Zou教授
Topics
James Zou教授:创建这门课程的目的是为了让学生参与到对COVID-19有实际影响的研究项目中,并创建一套关于COVID-19的教育材料,尤其针对数据科学家和AI研究人员。课程项目涵盖了病毒的生物学特性、疫情的社会影响、医疗资源分配等多个方面,学生们运用各自的背景和兴趣做出贡献,项目成果期望能超越标准课程项目,例如发表论文、撰写博客文章,甚至开发成实际应用的网站或仪表盘,直接影响世界各地。 James Zou教授还谈到了线上教学的优缺点,以及如何利用线上会议的优势来更好地组织学生项目。他认为,虽然缺少面对面互动,但线上会议的结构化安排,例如为每个项目组安排专门的会议时间,可以提高效率。此外,他还分享了课程中一些具体的项目案例,例如利用Twitter数据分析信息传播、利用移动数据建模疫情传播,以及与制药公司合作优化医疗资源分配等。 James Zou教授认为,AI领域需要更多跨学科的合作,才能更好地应对像COVID-19这样的复杂问题。他以Twitter数据分析为例,说明了如何将NLP分析、时间序列分析和动态系统模型结合起来,并最终将结果以易于理解的方式传达给非技术人员。他还谈到了疫情期间科学传播的重要性,以及如何利用各种渠道,例如YouTube上的公开讲座,来向公众传播科学知识。 最后,James Zou教授谈到了疫情期间的个人生活调整,以及他对未来在线教育和学术合作的展望。 Irena Fisher-Hwang博士:这门课的开设非常及时,因为它能帮助人们在疫情初期信息混乱的情况下理清思路,并了解医院在应对疫情时面临的挑战。线上教学对项目式课程来说是一个挑战,因为学生们难以进行面对面的交流与合作。但是,她对学生的积极性和教授的教学方式表示肯定。她还分享了自己在担任助教期间的经验和感受,以及对线上教育的看法。 Irena Fisher-Hwang博士还谈到了疫情期间信息传播的重要性,以及如何平衡信息量和信息质量。她认为,在复杂的现代世界中,需要更多具备跨学科背景的人才,尤其是在技术领域和新闻传播领域,才能更好地解释和传播复杂信息。 最后,Irena Fisher-Hwang博士也谈到了疫情期间的个人生活调整,以及她对未来新闻传播和跨学科合作的展望。 Andrey Kurenkov:作为访谈主持人,Andrey Kurenkov主要负责引导话题,并对两位嘉宾的观点进行总结和补充。他关注了课程的跨学科性质、项目成果的实际应用价值、线上教育的挑战与机遇,以及疫情期间信息传播的复杂性等方面。

Deep Dive

Chapters
The class was created to involve students in high-impact COVID-19 research projects and to produce educational materials accessible to the broader public.

Shownotes Transcript

斯坦福人工智能实验室博士Andrey Kurenkov采访了James Zou教授和Irena Fisher-Hwang博士,讨论了他们新的课程CS472:COVID-19的数据科学与人工智能。更多信息请访问:https://sites.google.com/view/data-science-covid-19 订阅:RSS | iTunes | Spotify | YouTube 查看skynettoday.com上关于类似主题的报道 主题:深思熟虑 Kevin MacLeod (incompetech.com) 根据知识共享许可协议授权:署名 3.0 许可协议 </context> <raw_text>0 您好,欢迎收听Skyner Today的“让我们聊聊AI”播客,在这里您可以听到AI研究人员关于AI的实际情况以及哪些只是耸人听闻的标题。我是Andrey Krenkov,斯坦福视觉与学习实验室三年级博士生,也是本期节目的主持人。

在这个特别的访谈节目中,您将听到斯坦福大学助理教授James Zhou的观点,他致力于机器学习的广泛问题,尤其是在基因组学和计算健康方面的应用。他还教授过诸如数据和AI的价值、高级机器学习算法、基因组学和生物医学中的深度学习以及全新的COVID-19的数据科学与人工智能等课程,该课程本季度刚在斯坦福大学开设。

他还喜欢写作和新闻工作,曾是布达佩斯太阳报和纪事报的常客。我们还将听到Irina Fischer-Huang博士的观点,她拥有斯坦福大学电气工程博士学位,研究重点是生物信息学、图像压缩和科学传播,目前正在帮助教授数据科学与人工智能COVID-19课程。

她目前也是斯坦福大学新闻硕士项目的研究生,专注于科技文化、科技解释和科技中的多样性。Zhou教授和Fishing Huang博士,非常感谢你们抽出时间参加本期节目。谢谢,Andrea。非常感谢你们邀请我们。感谢你们邀请我们。很好。那么让我们直接开始讨论这个COVID-19的数据科学与人工智能课程吧。

课程描述中说,这是一个项目课程,它使用数据科学和机器学习的工具来调查和建模COVID-19。这门课程的核心将是旨在创建能够帮助应对持续的全球健康危机的工具的项目。那么,你们创建和教授这门课程的动机是什么呢?

好的。我的研究小组实际上致力于,正如你所说,致力于机器学习和生物技术以及医疗保健的交叉领域。所以过去几个月我们一直在进行几个与COVID相关的研究项目。

我们才刚刚开始获得越来越多的项目,越来越多的不同项目的想法,这些想法既来自我们小组内部,也来自我们在斯坦福医学院、医院、制药公司和生物技术公司的合作者。我们想,好吧,我们不可能自己完成所有这些项目,但我们在斯坦福这里拥有这个惊人的资源,那就是我们拥有非常有天赋、非常慷慨和充满激情的研究生。

每个人都真的在努力帮助。所以我们想,好吧,也许让这一切真正进行的最佳方式是尝试从根本上众包这些项目,并让许多学生参与进来。组织这个课程基本上有两个主要动机。第一个是让学生参与这些研究项目,我们认为这些项目将产生及时的重大影响。第二个是我们还想通过这个课程创建一组

围绕COVID-19的教育材料,特别是针对数据科学家和AI研究人员,因为我们认为这些材料对更广泛的公众将非常有用。在ARENA的帮助下,我们还将这些材料发布在YouTube和网上。哦,太棒了。是的,ARENA,也许你对这个课程有什么看法?是的,这是一种非常有趣的体验。我认为它出现在一个非常有用的时间,因为

我认为就在James联系我的时候,美国刚刚开始实施居家避疫令的头几周。当时有一种压倒一切的感觉,那就是我们不知道接下来会发生什么。而且我认为,关于正在发布的信息有很多困惑。

所以对我来说,即使只是作为助教旁听讲座,并对医院在采购个人防护装备或流行病学模型如何工作等问题有一个非常高级别的概述,这对我来说非常有帮助。所以我个人非常喜欢它。我认为看到学术界将自己的技能应用于这样一个当前紧迫的问题也是一件很棒的事情。

是的。从你提到的将技能应用于实践这一点出发,James,你说动机的一部分是让更多研究生参与项目。所以听起来有很多事情要做。那么,这门课程关注的是哪些类型的项目、工作和问题呢?

好的。这门课实际上是跨学科的。课程中的学生大多是研究生。他们大多是博士生。所以我们有一些斯坦福大学本科生、硕士生和MBA学生。他们来自非常不同的背景。从经济学到传播学,再到他们的医学博士学位。

这很好,因为我认为COVID-19,这场危机有很多复杂的组成部分。所以我们希望有一些项目真正关注病毒的基本生物学。基本上,病毒实际上对人体细胞做了什么?病毒的遗传学是什么?我们还希望有一些项目真正关注这场大流行的更广泛的社会影响。有些学生实际上正在研究Twitter数据,以了解虚假信息如何在Twitter上传播,这如何改变对居家避疫令的遵守情况?有些学生正在研究可以从手机收集到的移动数据,以了解美国的每个县的移动性实际上是如何变化的,以及这实际上如何改变病毒的传播,不同县的病例传播。

我们还有一些项目与我们在例如基因泰克、罗氏等制药公司的合作者合作,学生们实际上正在与他们的团队合作,确定潜在有用的医疗方案的优先级。这是一个相当多样化的项目组合,学生们正在运用他们自己独特的背景和兴趣,为持续的全球努力做出非常重大的贡献。

哇。所以希望这不仅具有教育意义,而且这些项目至少在某些情况下,能够对现实世界中的努力产生影响,对吧?绝对的。是的。所以这就是我们在第一堂课上向学生强调的内容,对吧?因为从某种意义上说,每个人都在自愿贡献时间。所以我们非常感谢学生和像Arena这样的助教的贡献,并且

此外,我们希望项目的成果,课程的成果能够真正超越标准的课程项目。我们可以有论文,可以有博客文章。与此同时,我们也希望学生们能够将这些项目真正推向真正的工具,这些工具将是网站、仪表板。那些与其他公司合作的人实际上正在尝试实时实施和部署学生正在构建的工具。

这真的很酷。我认为这是斯坦福大学总体上非常酷的一点,许多课程都非常注重项目,并试图做一些非常重要的事情。Irina,我很想知道,作为这门课的助教,并试图帮助其他项目进行得如何?

是的,这当然很有趣。嗯,我认为在本季度之前,我只用过几次Zoom。嗯,然后突然间我开始帮助管理,我想大约有90人的Zoom电话会议。而且,而且,这,这是一个陡峭的学习曲线。嗯,

但看到我们能够如此迅速地转向在线学习模式也很有趣。James在安排真正有趣的演讲者方面做得非常出色,他们能够在幻灯片的帮助下进行引人入胜的演讲。我认为从这个意义上说,进展得相当顺利。我认为……

然而,主要挑战是,因为它是一个面向项目的课程。我认为,当你不能亲自在一起的时候,做一个项目有点困难。我的意思是,当你有许多非常聪明的学生,都有不同的才能时,项目或小组项目本身就很有挑战性。

但是,当涉及到寻找一个好时间时,其中一些学生可能已经回家了,并且处于不同的时区,并且还缺乏那种面对面的互动,这只是稍微困难一些。所以我认为,重要的是要更多地关注小组,并意识到一些学生可能面临其他人没有面临的挑战。这完全说得通。作为一个试图与一些合作者保持生产力的研究人员,我

我不得不学习一些新的技巧来保持自己的动力。关于你最后一点关于在线教育的观点,我想知道,组建和教授这门课程是否影响了你对在线教育的整体看法,以及除了更传统的面对面课程之外,我们能够在多大程度上依赖它?

我不能说我对大型在线课程有什么特别强烈的看法。我个人,所以我目前也在同时上课。我会说,我非常怀念那种

比如,当你亲自在场时,你可以进行非正式的面对面互动。你知道,不能在走廊里偶然遇到你的同学并就课堂上没有讨论的事情进行即兴讨论是很困难的。当然,我认为像视频会议这样的课堂设置中的主要挑战是,你不能真正进行并行对话。你不能真正并行学习,对吧?就像有时亲自在场时,你可以进行主要讨论,以及一些卫星讨论,对吧?

所以我认为处理这些问题具有挑战性。但我也很乐观。就像,我认为学生们已经不负众望,然后像James这样的教授在建立引人入胜的模式方面做得很好。是的。是的,Joe教授,你呢?你对在线教育有什么感受?

是的,这是一个很好的问题。这实际上是我第一次在线授课。所以我的其他课程,你提到的那些课程,都是基本上面对面授课的。我真的很喜欢互动性,正如Irina所说,我们从面对面课程中获得的个人互动。使这门特定课程与众不同的另一个方面是它非常互动。

在最后一刻拼凑起来的。所以实际上这是一个相当有趣的故事,基本上,我认为在3月16日,晚上10点左右。这就是为什么我第一次想到,好吧,所以也许尝试一起做这样的事情,把这个课程放在一起并不是那么疯狂。而这学期开始于3月底的某个时候,对吧?没错。是的。

所以非常好。我给CS系写了一封邮件给Mehran,他负责课程,课程材料。他第二天早上非常客气地回信说,好吧,这肯定已经过了组织课程的时间。但鉴于它的特殊性质,我们将尝试看看我们能做些什么。

而且系里非常支持。所以基本上在四天内,我们批准了这门课程,这很可能是斯坦福大学课程批准速度最快的一次。然后在接下来的一个星期,我们有非常有帮助的、令人惊叹的助教,比如Irina和其他几位学生,他们基本上报名或自愿参加了这门课程。

所以这也使得如何在最后一刻把所有这些放在一起变得相当具有挑战性。但我认为,在所有人的帮助下,它实际上进展得相当顺利。我想说的是,关于这门课的在线性质,我认为有一些优点和缺点。当然,最大的缺点是我们错过了与学生的面对面互动,我真的很喜欢。我想说的是,从某种意义上说,这甚至可能更容易……

组织与学生的会议,因为通常当我教授一门常规课程时,我只是有办公时间,人们会随时来。所以有时学生每周都会来。其他学生会等到期末考试前一周才来。 但是因为现在是线上的,所以我们不是仅仅有一个自由的办公时间,而是实际上为每个项目组安排了一个专门的、长达一小时的会议。所以大约有十几个项目组每周都会与他们中的每一个见面。所以,我们必须增加一些结构来使这些在线课程真正有效。对。我认为这些结构可能非常有帮助,特别是对于这些基于项目的课程。哇。好的。是的。这是一个非常有趣、有趣的,

为了回到你之前提到的一点,Irina,你已经上过几堂课了,例如大流行期间COVID-19和医疗系统的概述以及COVID-19的全球应对和政策。根据这些讲座,你个人带走了哪些有趣的信息?我认为……

问题的规模之大。我的意思是,我知道“全球大流行”这个词表明这是一个真正的危机,但我认为各种讲座所反映的是……

这是一个没有简单解决方案的问题。这就是为什么我们需要像我们的客座讲师这样的专家,例如负责监督医疗系统的人,或者创建和研究流行病学模型的人,一线医生,以及那些不仅考虑州、州政策甚至国家政策,而且确实考虑全球应对以及我们可以为未来更好的应对而实施哪些政策的人。

你呢,Joe教授?是的,我非常赞同Irina所说的。我认为这些讲座中真正有趣的是它的实时性。我们都在从事机器学习工作,通常对于机器学习来说,我们的标准基准数据集已经存在多年了,人们一直在研究它。但是在这里,就像你真的遇到了现实的问题和现实的数据集,这些数据集在课程开始的前一天出现,对吧?然后我们必须尝试将这些放在一起,并组织学生来解决这些实际问题,这些工具可以立即使用。所以一切发生的都比标准课程和标准研究快得多,我认为这对我们和学生来说都非常令人兴奋。

举几个例子,你提到是的,我们有一门关于政策、全球政策、应对政策的课程。它实际上是由斯坦福大学教授Michelle Berry教授的,她也是斯坦福全球健康政策中心的主任。所以她真的非常实际,并且深深地参与其中。她真的在谈论不同国家,如韩国、中国、

新加坡、中国,他们是如何应对COVID-19的?他们发现了哪些成功的政策,这与我们在美国实施的政策相比如何?所以这非常有趣。

它与我们班上的一些学生正在积极从事的某些研究项目非常直接地联系在一起。所以我们实际上有一些学生团队正在研究政府政策建模,并进行因果推断,以推断不同类型政策(如居家避疫令)的有效性。

我们还希望该项目的成果能够直接影响世界,美国境内外的不同国家和不同县区将在以后这样做。所以正如你所看到的,这一切都发生在实时,每个人都在实时努力工作。

另一个例子是,我们还听取了Kerry Kirsch的精彩演讲,Irina提到她实际上是新泽西州的一线急诊室医生。她向我们介绍了在她所在的急诊室中,患者现在实际上必须通过电话进行很多沟通。

对。因为他们的家人不能进来,即使他们与医生沟通,他们也经常必须通过电话进行沟通,这也带来了非常有趣的挑战。我们班上有一个非常密切相关的项目,学生们实际上使用声音技术。

数据,从手机上获取的语音数据,特别是手机上记录的咳嗽声,以帮助诊断COVID和其他疾病。有一些证据,非常早期的证据,但有一些理由相信不同类型的咳嗽可能存在差异。

由于不同类型的呼吸系统疾病。所以有一个有趣的问题是,我们能否实际进行一些信号处理机器学习来优先诊断COVID咳嗽和其他类型的咳嗽?这正是几周前我们甚至没有想到的事情。但是由于与急诊室医生和其他临床医生的讨论,我们认为,哦,这可能是一个真正的新机器学习机会,可以产生真正的影响。

我明白了。是的,COVID-19的冲击速度以及真正成为新的现实令人难以置信。它也反映在AI中。我们一直在讨论很多关于诊断等方面的新故事。所以说到这一点,我很想知道,你之前也提到过这门课是跨学科的。有很多不同的职业,而COVID-19是……

一个即使作为AI研究人员,你的研究也必须是跨学科的主题,对吧?你必须考虑政策,或者你必须考虑沟通,或者你必须考虑如何为医疗专业人员提供工具。

那么你认为这是否会帮助AI领域在与其他职业和领域合作开发工具和模型方面取得更多进展?绝对的。我认为这实际上为我们的社区,为AI社区提供了一些非常有趣的机会。举一个具体的例子。我提到我们有一些学生小组实际上正在进行Twitter分析。所以有很多COVID,正如你想象的那样,有很多COVID推文。一个有趣的问题是如何检测推文

哪些是可能存在的虚假信息或错误信息,是关于COVID-19的谣言或阴谋论在Twitter上散布的?所以它肯定有很多NLP分析方面。

但是如果我们想更上一层楼,对吧,那么你就会想知道,好吧,那么一旦你使用NLP工具量化了这一点,Twitter上的虚假信息、各种信息,你如何将其与流行病学模型联系起来?因为最终你想要看到,好吧,由于公众对COVID-19的情绪,实际上正在影响对结构性避疫令和其他政策的遵守情况,这反过来又影响了公共卫生措施。

所以然后有一些学生小组正在获取这些NLP和移动性输出,并尝试将其纳入流行病学模型。所以这只是一个例子,说明

为了真正解决这个问题,我们必须考虑NLP方面的事情。我们必须查看时间序列,但我们还必须将其纳入这些动态系统模型。最终,输出必须以一种对非专家、非技术公众真正易于理解和解释的方式进行沟通。所以这也有非常多的沟通、HCI组成部分。我认为这只是真的

对我们这些研究人员来说非常令人兴奋。是的,是的。我想象它一定令人兴奋,至少感觉有很多进展,有很多动力来快速开发解决方案。如果将来我们遇到类似的情况,我们希望能够更好地

说到沟通,我认为这很有趣,稍微离开COVID一点,你们两位都非常精通STEM和技术科目,但也对新闻和传播非常感兴趣。

那么你认为在我们日益复杂化的时代,随着AI取得越来越多的进展,我们是否需要更多这种跨学科的专业知识,包括技术科目、新闻和传播?通过广播,我应该是谈论这一点的最佳人选。好吧,作为一个很快就要进入跨学科新闻工作市场的人,我当然希望如此。

但我认为我们认真地,我的意思是,是的,毫无疑问,是的。我认为这场大流行和许多其他近期事件表明,在信息产生的数量、全球生活方式和贸易互动的速度之间存在着不平衡,以及

以及普通人的世界观,包括我自己。我认为,对于精通多个领域的人来说,能够解释事情将变得非常重要。

并帮助其他人理解,从某种意义上说,现在一切都是相互关联的,并且鉴于我们现代世界的复杂性,做出决策将变得越来越困难。是的,绝对的。是的,我很想知道,只是看看Twitter和公共讨论以及所有正在撰写的文章,

你已经触及了一点,但我猜想,你对超越这一主题的技术复杂主题的更广泛影响有什么看法?

我非常高兴地看到学者们撰写了更多评论文章,例如。我一直专注于阅读大量关于全球供应链的文章,因为这是我没有任何培训和任何专业知识的领域。因此,能够了解例如会计或管理学教授的大脑中发生了什么,以及谁在关注我们的情况,这非常有帮助。

我将在这里做一个粉丝,并且,你知道,向大西洋月刊的Ed Yong致敬,我认为他做得非常出色,帮助读者理解科学并非易事。这些是困难的时期和不寻常的时期,因为科学的自然节奏正在发生变化。

有点出局了,因此,你知道,人们可能会认为科学要么坏了,要么不起作用,要么没有人知道任何事情,但现实是,古老的制度和传统正在受到考验,不仅在政策和日常生活中,而且在像科学这样的领域,人们知道,假设有答案,所以你

看到各行各业的良好报道以及那些通常不会出现在沟通领域的其他人伸出援手,试图让他们的声音被听到,这是一种令人高兴的事情。但另一方面,老实说,我有时也会担心四处流传的虚假信息或错误信息的数量。希望最终,更多好的信息会占上风。是的。

这是一个非常奇怪的时期,我们都在努力赶上,尤其是像我这样在这方面知识很少的人。我基本上很正常,因为我正在努力学习。我希望我们所有人在这个时期都能更加欣赏科学、科学家和记者。

说到更多评论文章,Zhou教授,你对涉及健康和AI的研究有什么看法?你会考虑撰写更多评论文章或以某种方式与公众沟通吗?是的,是的。我们很想这样做。我认为这门课实际上是向更广泛的公众伸出援手的一种努力。我认为实际上我们的许多学生

讲座,我们发布在YouTube上,对广大公众来说是相当容易理解的。所以特别是前几堂课,我认为你不必是斯坦福大学的博士生就能从这些讲座中获得很多知识和信息。所以这当然是我们为使这些内容更容易被公众理解所做的努力。

关于科学新闻的观点,我认为这场大流行也一直是整个世界真正认识到做好数据科学和良好统计学的重要性的一次非常有趣的练习。

对。这对于机器学习研究人员来说,当我们撰写我们的新代表ICML会议论文时,往往被低估了。看到统计思想、统计辩论正在实时地在公共场所发生,这实际上非常有趣。

最近一个关于这方面的例子是,真的只是试图弄清楚有多少公众实际上已经接触过这种病毒。如果我们想决定何时开放,这当然是一个非常重要的数字。这非常是一个统计问题。

我认为许多记者在努力真正讨论现有统计模型和确定性估计的局限性方面做得非常出色。我认为这是真正希望成为未来沟通的一个主要部分的事情。是的。当然,作为一名负责向公众进行更多沟通的人,确实感觉可能希望会有更多这样的事情。

关于这些讲座是公开的这一点,我应该提到这门课是CS472。它实际上有一个公共网站。我之前刚刚查看过,其中包含指向这些讲座的链接。所以我们将在本期节目的描述中包含链接。也许为了转向一个稍微不那么专业的主题,

更一般地说,现在我们正处于COVID危机的居家避疫时期,除了在课堂上教学之外,你对这段时期有什么感受?你是否适应了整天待在室内?你是否期待着很快能够更多地外出?是的,你认为呢,Irina?是的,我绝对期待着更多地外出。是的。

这很有趣。我认为每个人都在努力应对他们日常生活中所怀念的小事情。对我来说,我真的很喜欢烹饪。所以如果按照我的想法,我将能够每天晚上烹饪不同菜系的各种菜肴。但我现在必须提前计划,这很好。总的来说,老实说,就像……

我觉得自己非常幸运,我的生活并没有受到太大的影响。作为一名学生,作为一名无论如何都在做远程兼职工作的人,并且正在做容易过渡到线上的工作,兼职工作。对我来说,这实际上还不错。我认为,我认为事情变得有点棘手的地方是作为一名记者,作为一名新闻专业的学生和记者,就像,

跟上新闻报道真的很困难,尤其是在很多新闻报道都是

令人恐惧的时候,在很多事情都不确定的时候。嗯,以及其他人和事情的其他部分有时令人愤怒,当它,当它似乎,你知道,当,当它不是实际新闻的时候。嗯,所以弄清楚这一点很有趣,就像在一个你的工作是,嗯,关注正在发展的情况的职业中,嗯,

斯坦福人工智能实验室博士Andrey Kurenkov采访了James Zou教授和Irena Fisher-Hwang博士关于他们新的课程CS472:COVID-19的数据科学与人工智能。更多信息请访问:https://sites.google.com/view/data-science-covid-19 订阅:RSS | iTunes | Spotify | YouTube 查看www.skynettoday.com上类似主题的报道 主题:深思熟虑 Kevin MacLeod (incompetech.com) 根据知识共享许可协议授权:署名 3.0 许可证 </context> <raw_text>0 我想我一开始就应该知道,这个职业会带来情感上的负担。但话虽如此,与业内其他人士建立联系、获得他们的鼓励以及从他们那里获得最佳实践经验(例如如何处理新闻、如何在工作时休息)真的非常棒。还要仔细考虑我们如何才能做出最佳贡献。因为,你知道,更多的新闻并不一定……

对每个人都有用,而是要深入思考我现在能贡献什么,什么对其他人有帮助,然后以一种让双方都能保持理智的方式去做。我明白了。作为一个非记者,并且最近一直在努力限制自己接触新闻的人,这听起来很有趣也很有挑战性,但很高兴听到你正在学习如何应对。

Joe教授,我发现实际上我的PI,实验室里的一位教授告诉我们,对她来说,这是一种从参加许多活动和待在家里等方面获得的轻松感。那么,你对居家隔离有什么看法呢?是的。首先,我想说的是,我认为我们中的许多人现在与

美国和其他国家许多其他人的经历相比,处于非常优越的境地。我的意思是,我认为在这一地区,我们在应对这场危机方面做得相对较好,特别是作为学者,我们在某种程度上在日常生活中得到了缓冲。因此,我们当然非常幸运,我非常感谢一线服务业人员所做的所有工作。就我的个人生活而言,我认为这经历了一些调整时期。

而且这也有一些积极的方面。过去,在正常的学年里,我可能没有像我应该的那样多运动。但现在我每天都在家,实际上没有,没有,没有借口。至少我无法对我妻子再想出任何借口。为什么每天早上不应该出去跑步呢?是的。

所以我们会做更多的运动。所以我现在比以前跑得多了很多。我们每天都在努力跑步,这很棒。我非常期待斯坦福大学和校园重新开放的那一天。当然,一旦我们考虑到了所有学生和教职工的安全问题。我们实际上有几个……

正在进行的COVID-19项目,我们在计算方面取得了很大进展,对吧?我们真的了解病毒在人体细胞中的作用。而且,我们非常兴奋地回到校园,实际进行实验测试。为此,我们需要实际进入我们的实验室、办公室和我们可以进行这些物理实验的环境。我希望这种情况很快就会发生。

相对较快。是的,我认为许多学者都是这样想的。正如你们两位指出的那样,意识到我们非常幸运是很好的。我也觉得我们不必过多地改变我们的工作生活是一件好事。关注积极的方面也是一件好事,我一直都在努力这样做。

绝对的。是的,我觉得这是一个很好的话题集。你还有什么想谈谈的,而我们还没有谈到的吗?Andre,对你来说,什么是一线希望?对我来说,什么是一线希望?我一直在做更多以前没有做过的事情。所以我有了更多的时间阅读。我一直在追赶我的电子游戏积压。是的。

是的,我不知道。只是稍微调整一下,更欣赏户外活动。例如,我开始在阳光下修理我的甲板,欣赏空气,这有点奇怪,但感觉还不错。太棒了。是的。是的,我认为这很棒。我认为另一个积极的方面实际上可能与你的PI所说的类似,那就是这些会议。我实际上非常喜欢远程会议的想法,

不是所有的远程会议,但至少让会议的某些方面是远程的,以减少旅行的需要,并使学生更容易参加、参与。我认为这实际上是我们即使在大流行结束后也能从中获得的积极发展。是的,我对此感到非常兴奋。我变得更容易接近,希望我们减少碳足迹。是的,我只想补充一点。詹姆斯,这是一个非常好的观点。我认为在新闻业,尤其是在地方报道中,总是像,你知道,努力关注地方新闻,这非常重要。但例如,现在,如果你想和澳大利亚或其他国家的来源交谈,或者如果你想合作进行科学项目,我觉得没有障碍了,因为每个人都在这样做,这只是正常的生活方式。所以

我对视频会议和会议的可用性(对于那些可以使用它的人来说)如何促进更多合作感到非常鼓舞和乐观。是的。我想我们都在学习如何让它发挥作用,如何避免因所有这些视频通话而感到太疲倦,并在家里保持高效,这绝对是一项有用的技能。非常如此。是的。

说到这里,我们可以结束本期Let's Talk AI特别访谈节目。与往常一样,如果您喜欢本节目,请给我们评分和评价,并务必收听我们未来的节目。