Na początku epidemii Reuters zgłosił przypadek z Chin, w którym władze oparły się na użyciu kamer, które rozpoznają twarz, po to, aby śledzić mężczyznę z Hangzhou, który podróżował po zainfekowanym rejonie. Po powrocie do domu lokalna policja poinstruowała go, by poddał się kwarantannie. Policja w Chinach i Hiszpanii zaczęła również wykorzystywać technologię do egzekwowania kwarantanny, a drony są wykorzystywane do patrolowania miast i nadawania wiadomości audio, zachęcających do pozostania w domu. Niektóre osoby otrzymują specjalne bransoletki monitorujące miejsce pobytu danej osoby, które przesyłają do odpowiednich władz komunikat, o naruszeniu warunków kwarantanny w momencie opuszczenia swojego domu. W Stanach Zjednoczonych firma zajmująca się nadzorem ogłosiła, że jej kamery termowizyjne wspomagane przez sztuczną inteligencję mogą wykrywać gorączkę, podczas, gdy w Tajlandii funkcjonariusze graniczni na lotniskach pilotują już system kontroli biometrycznej wykorzystujący kamery wykrywające gorączkę.

Od czasu pojawienia się w grudniu ubiegłego roku nowego koronawirusa w Wuhan w Chinach, zgodnie z z informacjami podawanymi przez portal Google Scholar, opublikowano ponad 91000 (i stale rośnie) prac badawczych na temat wpływu nowego wirusa na zdrowie, jego leczenie oraz dynamiki pandemii. Myślę, że ta ilość może być bardzo dobrym świadectwem tego, jak szybko nauka może rozwiązywać problemy, ale problemem jest bycie na bieżąco z literaturą w takiej ilości. Tutaj właśnie SI może nas wspomóc. Niedawno Biały Dom ogłosił projekt we współpracy z firmami technologicznymi i naukowcami, którego celem jest udostępnienie ogromnej ilości badań nad koronawirusami badaczom SI i ich algorytmów. Wysiłek polega na zwróceniu się do SI z prośbą o wydobycie odpowiedzi na pytania, które mogą pomóc ekspertom w dziedzinie medycyny i zdrowia publicznego. Dzięki krzyżowym badaniom i poszukiwaniu wzorców, algorytmy mogą pomóc w odkryciu nowych możliwych sposobów leczenia lub czynników, które pogarszają stan zdrowia niektórych pacjentów, a to tylko pojedynczy przykład. Uczenie maszynowe ma ogromny potencjał, który może pomóc w walce i wyciągnięciu wniosków z badań naukowych.