في الآونة الأخيرة استخدم الباحثون الذکاء الاصطناعي، ولاسيما التعلم العميق Long Short-Term Memory (LSTM)، في التنبؤ کبديل لأساليب الاقتصاد القياسي التقليدية. فقد ادعى البعض أن منهج التعلم العميق يمکن أن يحسن نتائج التنبؤ عن طريق تقليل أخطاء التنبؤ وتوفير الوقت والتکلفة. ومع ذلک، فلا يوجد دليل تجريبي على ذلک الزعم، حيث يوجد ندرة في البحوث التي تقارن بين أداء نماذج التنبؤ باستخدام النماذج القياسية وباستخدام الذکاء الاصطناعي. ومن هنا فإن الهدف الرئيس لهذا البحث هو التحقق من ذلک بالقياس وتحديد أفضل طريقة تستخدم في التنبؤ بجائحة کورونا وغيرها من الظواهر الواقعية. ومن أجل تحقيق هدف الدراسة، تم استخدام مدخلين مختلفتين للتنبؤ: هما مدخل الاقتصاد القياسي، متمثلًا في منهج التکامل المشترک باستخدام نموذج الانحدار الذاتي للفجوات الزمنية الموزعة (ARDL) من ناحية، ومدخل الذکاء الإصطناعي متمثلًا في نموذج التعلم العميق (LSTM) من ناحية أخرى، للتنبؤ بعدد حالات الإصابات اليومية وحالات الوفيات الناتجة عن کوفيد -19 في مصر خلال الفترة (مارس 2020 - مارس 2021). تمثلت مساهمة هذا البحث في استکشاف أفضل طريقة للتنبؤ بحالات الإصابة وحالات الوفيات الناتجة عن کوفيد -19 بشکل خاص، ومن ثم إمکانية التطبيق على ظواهر الواقع العملي بشکل عام. بالإضافة إلى قياس تأثير حرکة ونشاط الأفراد على انتشار الوباء في مصر. توصلت النتائج إلى أن التنبؤ باستخدام منهج التعلم العميق (LSTM) يعطي أداءً أفضل نسبيًا (أخطاء تنبؤ أقل) من التنبؤ باستخدام النموذج القياسي، إلا أن النماذج القياسية تتميز ببعض الخصائص التي تميزها عن نماذج الذکاء الاصطناعي، ومن ثم فإن تقنيات الاقتصاد القياسي لا يمکن الاستغناء عنها أواستبدالها بتقنيات الذکاء الاصطناعي في التنبؤ، لکن يجب أن يتم دمجهم والاستفادة بهم معًا.