Как миллионы оказались под арестом

31 декабря 2019 года Китай предупредил Всемирную организацию здравоохранения (ВОЗ) о нескольких случаях необычной пневмонии в Ухане. 7 января чиновники приписали это новому вирусу, который они назвали 2019-nCoV (позже названный COVID-19), и который был идентифицирован как принадлежащий к семейству коронавирусов, включающему SARS и обычную простуду. Первая смерть, приписываемая новому вирусу, произошла 11 января. В течение января в Китае произошло еще много подобных смертей, и они стали происходить в западных странах. Во время февральских событий правительственные чиновники в западных странах говорили о возможности миллионов смертей, вызывая страх и панику среди тех, кто им верил.

Причиной этой паники, по-видимому, стало сообщение CNN от 26 января о предполагаемом заявлении министра здравоохранения Китая Ма Сяовэя о том, что люди, которые (предположительно) заражены вирусом, могут заражать других, не проявляя никаких симптомов болезни. Если бы это было правдой, то вы могли бы заразиться, просто идя по улице — явно повод для паники. Ма не объяснил, почему он считает, что вирус может распространиться до того, как у кого - то появятся симптомы, но это не помешало доктору Уильяму Шаффнеру,

Dr. William Schaffner

давнему советнику ЦКЗ - Центр по контролю и профилактике заболеваний США, серьезно отнестись к этому утверждению - фактически одобрить его.

Эту тему подхватили и другие должностные лица ЦКЗ. Доктор Энтони Фаучи, директор Национального института аллергии и инфекционных заболеваний, поднял мяч и побежал с ним. Цитируется высказывание доктора Фаучи:

"китайцы не сообщили американским органам здравоохранения, что вирус может распространиться до того, как у кого-то появятся симптомы", тем самым косвенно предполагая, что это действительно так. Это было опровергнуто эпидемиологом доктором Майклом Остерхольмом, который заявил:

"Я не знаю никаких доказательств за 17 лет работы с коронавирусами ... где любой человек был обнаружен заразным во время инкубационного периода.

"30 января журнал New England Journal of Medicine опубликовал письмо от 16 немецких врачей, утверждающих, что китаянка без симптомов (прибывшая из Китая) заразила немецкого мужчину в Мюнхене, но когда они действительно спросили ее, она сказала, что во время пребывания в Мюнхене у нее действительно появились симптомы, которые ухудшились по возвращении в Китай. Благодаря СNN, доктору Фаучи и немецким врачам слух о бессимптомном переходе превратился в "факт" среди правительственных чиновников и широкой общественности. С тех пор основные средства массовой информации публиковали все более тревожные сообщения о смертях из-за этой (якобы) новой болезни, игнорируя тот факт, что люди (как обычно) умирали от (не сообщенного) сезонного гриппа.

В феврале, когда Италия начала сообщать об инфекциях, профессор Нил Фергюсон, заведующий кафедрой эпидемиологии инфекционных заболеваний в Имперском колледже Лондона, стряхнул пыль с компьютерной программы, которую он написал 15 лет назад, реализуя модель распространения инфекционных заболеваний. Используя данные, полученные из Италии, он пришел к выводу (следуя своей истории значительно завышенной оценки смертности в предыдущих эпидемиях), что 510 000 человек (2,5 миллиона в США) могут умереть, если правительство Великобритании не откажется от своей стратегии? в то время? позволить болезни распространяться. 23 февраля в Италии начались первые блокировки и обязательное "социальное дистанцирование". В начале марта Британия также ввела ограничения, которые позже распространились на всю Великобританию, несмотря на то, что профессор Фергюсон пересмотрел свою оценку числа погибших с 510 000 до 20 000.

7 марта некий доктор Джеймс Лоулер (университетский медицинский центр штата Юта) дезинформировал мир (к радости Mainstream media) о том, что около 96 миллионов американцев могут заразиться коронавирусом, из которых около полумиллиона умрут. 11 марта ВОЗ после долгих проволочек объявила КОВИД-19 глобальной пандемией. 15 марта мэр Нью-Йорка Билл Де Блазио заявил (без каких-либо доказательств), что вирус может быстро распространяться через "тесное взаимодействие", и издал приказ (который вскоре был повторен губернаторами многих других штатов) закрыть рестораны, бары и кафе.

16 марта большинство европейских стран ввели режим блокировки и закрытия границ. 20 марта губернатор Нью-Йорка Эндрю Куомо (наряду с губернаторами многих других штатов) закрыл все "несущественные предприятия", тем самым лишив миллионы людей работы и средств к существованию, что привело к банкротствам и самоубийствам. К 30 марта примерно 265 миллионов американцев находились под бессрочной изоляцией и военным положением во всем, кроме названия.

В конце апреля "пересмотренная" версия компьютерного кода, написанного профессором Фергюсоном для предсказания 510 000 смертей в Великобритании, была выпущена в хранилище кода GitHub. Он был исследован анонимным бывшим инженером-программистом Google, который обнаружил многочисленные недостатки и ошибки, в частности то, что из одних и тех же входных данных программа будет производить очень разные результаты. Это делает его бесполезным для научных целей, а также хуже, чем бесполезным в качестве основы для политических решений (и, следовательно, в качестве обоснования правительственных заказов). Более подробная информация в компьютерной модели, которая заблокировала мир, оказывается sh * tcode.

от Mark E. Jeftovic 7 мая 2020

Это была компьютерная модель Имперского колледжа, которая предсказывала 500 тысяч смертей в Великобритании (и 2,5 миллиона в США), если политики будут придерживаться подхода “стадного иммунитета” (а-ля Швеция), что привело, вместо этого, к тотальному карантину (блокировке). Модель была создана командой, возглавляемой Нилом Фергюсоном (который недавно ушел в отставку, консультируя правительство Великобритании, когда выяснилось, что он сам нарушает директивы о блокировке, нарушая самоизоляцию для флирта с замужней женщиной).

Исходный код модели должен был быть доступен широкой публике, и после многочисленных задержек и оправданий при этом, наконец, был опубликован на GitHub

Обзор кода был предпринят анонимным бывшим инженером-программистом Google (здесь), который говорит нам, что код репозитория GitHub был сильно замаскирован инженерами Microsoft и другими, чтобы попытаться привести код в форму и чтобы безопасно представить его публике. Увы, они, похоже, потерпели неудачу, и в выпущенной версии сохраняются многочисленные недостатки и ошибки оригинального программного обеспечения. Запросы на неотредактированную версию исходного кода модели остались без ответа.

Наиболее тревожным результатом обзора является то, что код производит “недетерминированные результаты”

Недетерминированные выходные данные. Из-за ошибок код может выдавать очень разные результаты при одинаковых входных данных. Они обычно ведут себя так, как будто это не имеет никакого значения.

Эта проблема делает код непригодным для научных целей, учитывая, что ключевой частью научного метода является способность воспроизводить результаты. Без тиражирования эти результаты могут вообще не быть реальными – как это выяснила в свое время область психологии. Даже если их исходный код был выпущен, очевидно, что те же цифры, что и в отчете 9, могут не выйти из него.

В документации предлагается рационализация, заключающаяся в том, что итерации модели должны выполняться, а затем различные результаты усредняются вместе, чтобы получить результирующую модель. Однако любая приличная часть программного обеспечения, особенно та, которая создает модель, должна давать последовательные результаты, если в нее вводятся одни и те же исходные данные, или “семя”. А этот код-нет.

- В документации сказано:

Эта модель является стохастической. Чтобы увидеть среднее поведение, необходимо провести несколько пробегов с разными семенами.

"Стохастический" - это просто научно звучащее слово для обозначения “случайного". Это не проблема, если случайность является преднамеренной псевдослучайностью, то есть случайность получается из начального “семени”, которое повторяется для получения случайных чисел. Такая случайность часто используется в методах Монте-Карло. Это безопасно, потому что семя может быть записано и те же самые (псевдо-)случайные числа получены из него в будущем. Любой ребенок, который играл в Майнкрафт, знаком с псевдослучайностью, потому что Майнкрафт дает вам данные, которые он использует для создания случайных миров, поэтому, делясь данными, вы можете делиться мирами.

Очевидно, что документация заставляет нас думать, что, учитывая начальное начальное значение, модель всегда будет давать одинаковые результаты.

Исследование показывает истину: код дает критически разные результаты, даже для одинаковых исходных данных и параметров.

В одном случае команда из Эдинбургского университета попыталась изменить код таким образом, чтобы они могли хранить данные в таблицах, которые сделают его более эффективным для загрузки и запуска. Помимо проблем производительности, простое перемещение или оптимизация того, откуда поступают входные данные, не должны оказывать никакого влияния на результат обработки, учитывая те же самые входные данные. Однако Эдинбургская команда обнаружила, что эта оптимизация привела к изменению результатов: "результирующие прогнозы изменились примерно на 80 000 смертей после 80 дней", что почти в 3 раза превышает общее число смертей в Великобритании на сегодняшний день.

Эдинбург сообщил об ошибке Imperial, который отклонил ее как “небольшой недетерминизм “и сказал им, что проблема исчезает, если вы запускаете код на одном процессоре (который, как отмечает рецензент,”настолько далек от суперкомпьютера, насколько это возможно").

Увы, Эдинбургская команда обнаружила, что программное обеспечение все еще дает разные результаты, если оно работает на одном процессоре. Этого не должно быть, если он правильно закодирован. Независимо от того, выполняется ли программное обеспечение на одном процессоре или многопоточном, единственным отличием должна быть скорость, с которой производится вывод. При одинаковых входных условиях выходы должны быть одинаковыми. Это не так, и Империал знал это.

Тем не менее, именно так имперцы используют код: они знают, что он ломается, когда они пытаются запустить его быстрее. Из прочтения кода становится ясно, что в 2014 году Imperial пыталась заставить код использовать несколько процессоров для ускорения его работы, но так и не смогла заставить его работать надежно. Этот вид программирования, как известно, является сложным и обычно требует старших, опытных инженеров, чтобы получить хорошие результаты. Результаты, которые случайным образом изменяются от запуска к запуску, являются обычным следствием ошибок потокобезопасности. В более разговорном смысле они известны как “Гейзенбаги“. (жаргонный термин, используемый в программировании для описания программной ошибки, которая исчезает или меняет свои свойства при попытке её обнаружения)

Другая команда даже обнаружила, что выходные данные варьируются в зависимости от типа компьютера, на котором они были запущены.

В выпуске №30 кто-то сообщает, что модель производит различные выходные данные в зависимости от того, на каком компьютере она работает (независимо от количества процессоров). Опять же, объяснение заключается в том, что, хотя эта новая проблема “просто добавит проблем” ... “это не проблема запуска модели в полном объеме, поскольку она все равно является стохастической”.

Ответ иллюстрирует животрепещущий вопрос: почему команда Имперского колледжа не поняла, что их программное обеспечение было настолько несовершенным?

Потому что их код так глубоко пронизан подобными ошибками, и они так старались исправить их, что у них вошло в привычку просто усреднять результаты нескольких запусков, чтобы скрыть их... и в конце концов это поведение стало нормализованным внутри команды.

Большинство из нас знакомы с вычислительной пословицей "мусор входит/мусор выходит", и неподготовленный читатель может подумать, что именно это утверждается в этом обзоре кода. То, что утверждается, - это то, что выходные данные являются мусором, независимо от входных данных.

В этом случае результат, который мы испытываем в результате, - это глобальная блокировка и остановка мировой экономики, и мы действительно не знаем, было ли это необходимо или нет, потому что у нас нет фактических данных (кроме Швеции) , кроме сильно некорректных моделей.

Прочтите весь обзор кода здесь.

Будьте здоровы!