האירוע הזה חושף גם כשלים שנוגעים בניתוח והבנת נתונים, כמו גם מגבלות של למידת מכונה. נתחיל בנתונים: ניתן למצוא באינטרנט ניתוחים שונים של אחוזי התמותה מהקורונה. הבעיה היא שכדי לחשב נכון, נדרש מידע מהימן שפשוט עדיין אין. יש לכך מספר סיבות, העיקריות הן השוני בשיטות אבחון החולים במדינות השונות (בסין החליפו את שיטת האבחון מספר פעמים), מידת האמינות של השיטות האלו, וכמובן במספר בדיקות האבחון שנעשות באוכלוסייה הכללית. כל השיטות של למידת המכונה והבינה המלאכותית משקפות ידע מוקדם של האנשים שמשתמשים בהן. אם זה ברמת חוקים, דוגמאות לימוד, החלטה על פידבק או הנדסת תכונות (תלוי בשיטה).מגפת הקורונה מבליטה שוב את האמת הזאת, שרבים וטובים שוכחים לפעמים. לכתבה המלאה
ראשית, חשוב להבין שאפידמיולוגיה הוא מדע שמבוסס ברובו על מספרים, סטטיסטיקה וניתוח נתונים שיטתי. זאת להבדיל מרפואה "קלאסית", שמושתת בעיקר על הערכה, ניסוי וניסיון קליני נרכש של הרופא. לכן אולי אנו שומעים כמה רופאים, רבים מהם מוערכים בתחומם, שמצד אחד מנסים להמעיט בחומרת המצב ומצד שני מטיחים ביקורת באופן ניהול המשבר. אדגיש שאין בדברים אלו מלהמעיט מהערכתי הרבה למאמץ של רופאים וכל הצוות הרפואי בטיפול המסור בחולים. הם אלו שעומדים בחזית עבור כולנו. לכתבה המלאה
אז מהן המחלוקות המרכזיות? מכיוון שלצערנו עוד אין חיסון, יש הסבורים שכדאי לאפשר לכמה שיותר אנשים להידבק מיד ו"לגמור עם זה". המצדדים בגישה הזו מוכנים להקריב אנשים רבים שימותו בדרך לחסינות עדר ושוכחים עוד עניין חשוב. מדובר בנגיף, לא בכדור משחק. יש נגיפים שנוטים לעבור מוטציות ולהדביק גם את אלו שכבר חלו בעבר. אין לנו בשלב הזה מספיק מידע על נגיף הקורונה החדש, כדי לשלול את הסכנה הזו. לכתבה המלאה
