[論文レビュー] CovidSens: A Vision on Reliable Social Sensing for COVID-19

Md Tahmid Rashid, Dong Wang|arXiv (Cornell University)|Apr 9, 2020

Data-Driven Disease Surveillance参考文献 99被引用数 7

ひとこと要約

CovidSensは、モバイルユーザーからのリアルタイムのソーシャルメディアデータを活用して、COVID-19の拡散を高時効性と信頼性で検出・予測する、AI駆動でエッジに統合されたソーシャルセンシングフレームワークを提案する。デバイス内AI、フェデレーテッドラーニング、ドローンや車両などの物理センサーとの統合を通じて、プライバシーを守りながらリアルタイムのリスクアラートと状況認識を実現する。また、誤情報やデータの信頼性の問題に対処する。

ABSTRACT

With the spiraling pandemic of the Coronavirus Disease 2019 (COVID-19), it has becoming inherently important to disseminate accurate and timely information about the disease. Due to the ubiquity of Internet connectivity and smart devices, social sensing is emerging as a dynamic AI-driven sensing paradigm to extract real-time observations from online users. In this paper, we propose CovidSens, a vision of social sensing based risk alert systems to spontaneously obtain and analyze social data to infer COVID-19 propagation. CovidSens can actively help to keep the general public informed about the COVID-19 spread and identify risk-prone areas. The CovidSens concept is motivated by three observations: 1) people actively share their experience of COVID-19 via online social media, 2) official warning channels and news agencies are relatively slower than people reporting on social media, and 3) online users are frequently equipped with powerful mobile devices that can perform data processing and analytics. We envision unprecedented opportunities to leverage posts generated by ordinary people to build real-time sensing and analytic system for gathering and circulating COVID-19 propagation data. Specifically, the vision of CovidSens attempts to answer the questions: How to distill reliable information on COVID-19 with prevailing rumors and misinformation? How to inform the general public about the state of the spread timely and effectively? How to leverage the computational power on edge devices to construct fully integrated edge-based social sensing platforms? In this vision paper, we discuss the roles of CovidSens and identify potential challenges in developing reliable social sensing based risk alert systems. We envision that approaches originating from multiple disciplines can be effective in addressing the challenges. Finally, we outline a few research directions for future work in CovidSens.

研究の動機と目的

• 急速に進行するCOVID-19パンデミック期における、タイムリーかつ正確な情報伝達の重要性に対応する。
• 公式レポートの遅延を克服するため、早期のアウトブレイク検出に向け、リアルタイムのユーザー生成ソーシャルメディアコンテンツを活用する。
• エッジデバイスを用いてデータを現地で処理することで、中央集権的インfraストラクチャへの依存を低減する、スケーラブルでプライバシー保護型のシステムを開発する。
• ソーシャルセンシングと物理センシング（例：ドローン、車両ネットワーク）を統合し、ソーシャルレポートの検証とデータ信頼性の向上を図る。
• AI駆動の情報精錛と制約付き最適化技術を用いて、ソーシャルメディアにおける誤情報とデータの不整合を軽減する。

提案手法

• 地域の感染トレンドやリスクの高い地域を推定するために、ソーシャルメディア投稿（例：ツイート）をリアルタイムのデータソースとして活用する。
• デバイス内AIとエッジコンピューティングを実装し、ローカルでのデータ処理を実現することで、遅延を低減し、ユーザーのプライバシーを保護する。
• デバイスの分散化に対応し、デバイスの離脱（churn）や非同期更新を処理するフェデレーテッドラーニング（FL）を用いて、グローバルモデルのトレーニングを実施する。
• ソーシャルセンシングとUAVおよびVSNを統合し、報告内容の検証と、リスクの高いまたは活動の激しい地域への物理センサーの誘導を可能にする。
• 病気の拡散モデルなどの計算モデリングを活用し、ドローンが収集したデータと組み合わせることで、検出精度を向上させる。
• 制約付き最適化と推定理論を用いて、ソーシャルメディア信号の不確実性を定量化し、信頼性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 ノイズが多く、ウワサが混在するソーシャルメディアデータから、信頼性の高いリアルタイムのCOVID-19に関する情報をどのように抽出できるか？
• RQ2 エッジベースのAIとフェデレーテッドラーニングを活用することで、スケーラブルで低遅延かつプライバシー保護型のソーシャルセンシングをどのように実現できるか？
• RQ3 ソーシャルセンシングを物理センシング（例：ドローン、車両）と効果的に統合し、データ信頼性を検証・向上できるか？
• RQ4 物理的制約を尊重しながら、ソーシャルシグナルに基づいて自律システム（例：ドローン）を関心の高い場所へ誘導するメカニズムは何か？
• RQ5 学際的AIと最適化技術を用いて、ソーシャルメディアにおける誤情報とデータの不整合をどのように軽減できるか？

主な発見

• ソーシャルメディアユーザーは、公式チャネルよりも早く健康体験や症状を報告するため、アウトブレイクの早期検出が可能になる。
• スマートフォンやIoTセンサーなどのエッジデバイスは、デバイス内AI推論を実行でき、リアルタイムデータ処理における遅延低減とプライバシー保護を実現する。
• フェデレーテッドラーニングは、分散デバイス間でのスケーラブルなモデルトレーニングを可能にするが、デバイスの離脱や非同期更新の処理には課題が残る。
• ソーシャルセンシングとUAVおよびVSNの統合により、物理センサーデータでソーシャルレポートを検証することで、データ信頼性が向上する。
• ソーシャルシグナルは、ドローンや車両をリスクの高い地域へ誘導でき、アウトブレイクや群衆行動の迅速な現地確認を可能にする。
• 計算モデリングとドローン観測を組み合わせることで、感染拡散予測の精度が向上し、リアルタイムアラートシステムの支援が可能になる。