久久久久精品免费福利电影,国产又黄又大又粗视频,A级毛片免费播放无码,人人妻人人爽人人澡欧美一区

不久前，美國約翰·霍普金斯大學（JHU）通告稱，該校于2020年1月開發的用于跟蹤新冠疫情的儀表盤將于3月10日終止運作。

JHU新冠疫情儀表盤。官網截圖

得知此消息，親手創建該儀表盤的董恩盛在朋友圈中寫道：“感謝大家的關注與支持！愿全球疫情早日完全結束！”

深黑底色點綴著或大或小的紅圈，左右兩側是各國確診病例、死亡和接種疫苗的數目，綠色、紅色或白色曲線十分醒目，3年來，這個儀表盤讓全球實時看到詳盡、可視化的疫情地圖數據。2260億次點擊、超過36億次瀏覽，半年前的數據足以說明其影響力。

憑借此項工作，董恩盛的導師、JHU土木和系統工程系教授Lauren Gardner入選了《時代》雜志2020年全球最具影響力百人榜，還獲得有“諾獎風向標”之稱的2022年拉斯克獎。而這背后，離不開兩位中國博士生董恩盛和杜鴻儒的極大付出。

董恩盛和杜鴻儒。 JHU官網圖

據統計，與儀表盤相關的、以第一作者署名的文章，董恩盛有4篇、杜鴻儒有1篇。其中一篇由他們與導師3人共同署名，2020年2月發表于《柳葉刀-傳染病》，引用次數超過9500次。

這篇正是介紹新冠疫情數據儀表盤創建的文章。而它只是一篇讀者來信，且僅有一頁多一點。更神奇的是，該文章僅用“72個小時寫稿，32個小時過審”。如果這是一篇研究論文，那這個引用次數的價值會更大。

按照谷歌學術的統計，董恩盛、杜鴻儒二人的引用次數已經超過1萬。

這一切，卻是歷史的偶然。

“一不小心做成了一件大事”

“一不小心做成了一件大事。”2020年上半年，美國達特茅斯學院地理系教授施迅在與董恩盛的一次對話中，給出了這句由衷的評價。

時鐘撥回到2020年1月21日上午，董恩盛和導師Gardner如約來到圖書館喝咖啡交流課題。

彼時30歲的董恩盛作為一年級博士生，進入JHU僅10個月；而35歲的Gardner也是剛剛從澳大利亞新南威爾士大學悉尼分校跳槽過來，董恩盛、杜鴻儒是她僅有的兩位博士生。

董恩盛是Gardner在JHU的“開山大弟子”。早在2019年五六月份時，他就與Gardner針對美國麻疹暴發風險做了一份可視化地圖，并得到《紐約時報》等美國主流媒體的關注。

董恩盛本科畢業于西南大學地理系，其間交換到臺灣中央大學地球科學系，于2012年赴美，在愛達荷大學拿到地理與統計雙碩士。在愛達荷大學就讀期間，他曾在地理信息系統公司Esri實習過，儀表盤技術就是在那里接觸到的。后來在選擇博士生導師時，董恩盛看中了Gardner從事傳染病數字建模的學術背景，這跟他地理信息系統、計算機和統計學的技術背景非常匹配，將有助于他未來從事建模研究。

這次跟導師見面談新學期計劃，董恩盛是有所準備的。彼時新冠疫情主要在中國、泰國、韓國和日本出現了少量病例，美國則剛剛確診了第一例。出于對中國疫情的關注和擔憂，也為了早點準備自己的博士課題，他已經把疫情數據收集好，做了一個小樣。沒想到，當Gardner買了杯咖啡端過來時，她告訴董恩盛：“要不咱們做一個儀表盤疫情地圖吧。”

一拍即合！影響人類應對新冠疫情的重要一環就此開啟。

Gardner后來坦陳，這個決定只是一時沖動。他們最初的想法是通過數據收集，把一種傳染病從發生到消滅的全過程記錄下來。

當天晚上，董恩盛熬夜奮戰八九個小時構建了一個儀表盤。最初，這個流程并不復雜：收集、翻譯并整合全球來自各式各樣渠道的數據，原始數據公布在Google Sheet上（后改為GitHub），之后使用地理信息技術和Esri的平臺對疫情數據進行空間可視化渲染。

杜鴻儒于2020年2月1日加入進來，負責數據的自動抓取、更新，并編寫了自動更新的代碼。當時25歲的杜鴻儒本科畢業于天津大學化工學院，在美國威斯康星大學麥迪遜分校獲得工業工程及運籌學專業碩士學位，他擅長數學模型和優化。

兩人就此開始了聯手奮戰。隨著數據陡增，之后人手再度增加，有四五個人一起寫代碼，等自動地圖上線已是一周后凌晨三四點。

他們得到了來自本校學生、圖書館、JHU應用物理實驗室，以及Esri公司的幫助。很快團隊擴大到了近40人。到當年4月，該儀表盤的日均點擊量超過10億次，最高達到了46億次。

在回顧這段經歷的時候，Gardner說了一句，“不要等待許可， 坐下來并采取行動”。

作為旁觀者的施迅，對他們這段頗具傳奇性的開端很是感慨：要有這種開創性的勇氣，不要覺得自己只是一名學生做不成大事，而是應該大膽去想、大膽去做，跟導師、同事請教，獲得支持，“在很多情況下，你會得到可能比你預想的多的支持”。

日常工作場景，左三為Lauren Gardner，左二為董恩盛，右二為杜鴻儒。JHU官網圖

流量取勝

紛至沓來的關注和榮譽遠遠超出了他們的預期。

董恩盛在朋友圈中記錄了一些激動時刻。

2020年：1月29日，他做的圖被BBC引用；2月29日，他們創建的儀表盤成為美國副總統、意大利總理決策的重要參考；3月12日，2013年諾貝爾化學獎得主、斯坦福大學結構生物學系教授Michael Levitt來信對其工作點名鼓勵；3月20日，JHU校長看望疫情數據團隊；4月7日，《科學》雜志點名報道；5月被《華爾街日報》采訪；6月，同一天有兩篇系列文章被《柳葉刀》接收。

2021年：5月，儀表盤數據成為美國疾控中心的指定來源；7月，德國時任總理默克爾來到JHU接受榮譽博士學位時，贊揚了新冠疫情地圖的工作。

2022年：3月，《自然》雜志以新聞特寫報道了包括他們團隊在內的新冠疫情數據工作；7月，《自然》雜志再次報道了各個疫情地圖團隊的技術特色。

他們的工作早已出圈。據說從制藥公司測試疫苗到好萊塢的電影拍攝，都會參考他們的儀表盤安排工作，以至于JHU被人們叫成了“map school”（地圖大學）。

他們雖以流量取勝，但并非只靠流量。

當時，開展新冠疫情數據收集并可視化的機構還有很多家，包括美國疾控中心、世界衛生組織、《紐約時報》等。而JHU的疫情儀表盤之所以拔得頭籌，有眾多因素：由于數據收集和可視化做得專業且最早，因此獲得了先發優勢；其數據抓取和更新及時、準確，一些國家和地區用戶會主動聯系他們更新數據；JHU醫學與公共衛生專業盛名的加持。

除了天時、地利、人和的種種因素外，在董恩盛眼里，對祖國疫情的關注和擔憂才是這個項目的第一推動力。

新的游戲規則制定者

讓世界上每一個人都能實時追蹤疫情，是他們最大、最重要的創新。

拉斯克獎給出的獲獎理由是，他們為實時傳播權威公共衛生數據設定了新標準。換言之，他們制定了新的游戲規則。

并不是所有疫情地圖制作者都始終秉持數據的公開、透明及非商業化。董恩盛還對施迅“抱怨”過，《紐約時報》用了JHU那么多無償的數據，當他找《紐約時報》要數據時卻遭到拒絕。到了2020年3月，《紐約時報》才開始公布全部數據。

公開、透明及非商業化，也是Gardner最為看重的。她在拉斯克獎的獲獎感言中談到，這項工作更重要的意義是實現了數據民主化和科學傳播，這有助于公眾的知情決策，并促進以證據為基礎的公共衛生政策的制定。

換個角度看，當JHU的儀表盤成為流量霸主的時候，它自然就成為了標準。法國的態度就是典型。疫情初期，董恩盛找法國要數據，對方完全無視；然而到了后期，法國衛生部發現JHU數據與其要公布的數據有偏差，就主動聯系溝通。

作為專業同行，施迅長期從事地理信息技術在健康領域的應用，他深深感受到了這次全球大流行對傳染病研究的顛覆。在上世紀的西班牙大流感時代，診斷技術和信息技術過于原始，數據談不上準確；而這次新冠疫情全球大流行是一次史無前例的數據收集和整理的過程，這個過程本身就有巨大的科學價值。人們發現，需要一些革命性的手段，重新建立對傳染病的認識并建模，而數據是這些手段的基礎。

董恩盛更是對大數據的影響感同身受：只有量變，才有質變，才有進一步分析，才會帶來更多資金和人力資源的投入。他們的數據吸引的不僅僅是公共衛生專家、計算機科學專家、地理信息專家，還有政治學者、經濟學者，每個人都能挖掘到自己的“金礦”。

儀表盤只是起點

該和儀表盤說再見了。

這個背景是復雜的。JHU新冠資源中心（CRC）數據負責人Beth Blauer在接受采訪時分析說，一方面，由于居家快速檢測已廣泛使用，世界各地發布病例數據的實用性和準確性大大降低，儀表盤數據的準確性難以保障。另一方面，如美國聯邦政府的數據收集能力比之前已經大大提高，尤其是其報告的住院數據成為如今最可靠和完整的決策依據。此外，由于許多國家的疫情趨于平穩，數據源的公布頻率和人們的關注度已大不如前。

Gardner用“苦樂交織”來形容過去的3年。她說，經過3年日夜不休的維護，是時候改變已有的響應模式了。

談起導師，董恩盛和杜鴻儒都不吝贊美之詞。

Gardner對信息接收和學生反饋的速度，最讓董恩盛欽佩不已。她能很快理解他人想表達的意思，然后給出意見。這在3年前兩人那次喝咖啡時表現得尤為明顯，當董恩盛提出深思熟慮了好幾天的意圖時，Gardner馬上就給出了做儀表盤的計劃。

實際上，Gardner在儀表盤上的貢獻是關鍵的，她會指出哪些數據更重要，需要在儀表盤上展示。同時，她需要把各種資源整合到這個項目中。

杜鴻儒感受更深刻的則是Gardner與學生的平等相處。她從來不會催著學生做任何事情，而是留更多時間給學生自由思考。

董恩盛的工作交叉性更強，他也更愿意做一些有實際應用的事。接下來，他要把精力投入到博士課題中。畢竟疫情儀表盤的構思源于其博士課題，所以他會繼續進行數據的挖掘，同時做一些網絡分析工作。

杜鴻儒的研究更偏理論，他正在利用收集的數據建立深度學習模型，尤其是關注人類行為數據和社會調查數據。他希望把人類行為對外界的反饋加入到傳統的流行病模型當中。他相信這種混合模型能對未來的疫情作出更準確的預測。

（作者 孫滔）