نماذج الذكاء الاصطناعي تعاني من صعوبة في التنبؤ بسلوك الناس غير المنتظم خلال جائحة كوفيد-19

تستخدم الشركات التجارية والخدمية في جميع أنحاء العالم خوارزميات الذكاء الاصطناعي لتوقع سلوك العملاء، وتحديد مخزون البضائع، وتقييم تأثير التسويق، وتحديد الحالات المحتملة للغش. يتم تدريب نماذج التعلم الآلي المستخدمة لإجراء هذه التنبؤات على أنماط مستمدة من النشاط اليومي العادي للأشخاص. للأسف، تغيرت أنشطتنا اليومية خلال جائحة كورونا، وكما ذكرت MIT Technology Review ، فإن نماذج التعلم الآلي الحالية تتعثر نتيجة لذلك. تختلف شدة المشكلة من شركة إلى أخرى، ولكن تأثرت العديد من النماذج بشكل سلبي بالتغيير المفاجئ في سلوك الناس خلال الأسابيع القليلة الماضية.

عندما حدثت جائحة كورونا، تغيرت عادات شراء الناس بشكل كبير. قبل بداية الجائحة، كانت أكثر الأشياء المشتراة شيوعًا هي أشياء مثل غطاء الهاتف، وسماعات الرأس، وأدوات المطبخ. بعد بداية الجائحة، أصبحت أكثر مصطلحات البحث الشائعة على Amazon مثل مناديل كлорوكس، و رشاش لايزول، و مناديل ورقية، و معقم اليدين، و أقنعة الوجه، و ورق التواليت. على مدار الأسبوع الأخير من فبراير، أصبحت جميع مصطلحات البحث الشائعة على Amazon متعلقة بالمنتجات التي يحتاجها الناس لحماية أنفسهم من كوفيد-19. إن ارتباط بحث/شراء المنتجات المرتبطة بكوفيد-19 مع انتشار المرض هو أمر موثوق به لدرجة أنه يمكن استخدامه لتتبع انتشار الجائحة عبر مناطق جغرافية مختلفة. ومع ذلك، تتعطل نماذج التعلم الآلي عندما يكون بيانات الإدخال للنموذج مختلفة جدًا عن البيانات المستخدمة في تدريبه.

أدى تقلب الوضع إلى صعوبة في تلقيم سلاسل التوريد والمخزون. أشار رايف كلاين، الرئيس التنفيذي لشركة نوزل الاستشارية في لندن، إلى أن الشركات تحاول تحسين الطلب على ورق التواليت منذ أسبوع، بينما “يريد الجميع شراء ألعاب أو معدات رياضية هذا الأسبوع”.

تستطيع الشركات الأخرى مواجهة مشاكلها الخاصة. توفر شركة واحدة توصيات استثمارية بناءً على مشاعر مقالات الأخبار المختلفة، ولكن نظرًا لأن مشاعر مقالات الأخبار في الوقت الحالي غالبًا ما تكون أكثر تشاؤمًا من المعتاد، فإن النصيحة الاستثمارية قد تكون متحيزة بشدة تجاه السلبيات. في غضون ذلك، تستخدم شركة بث فيديو خوارزميات التوصية لاقتراح المحتوى للمشاهدين، ولكن مع اشتراك العديد من الناس بشكل مفاجئ في الخدمة، بدأت توصياتهم في الانحراف عن الهدف. اكتشفت شركة أخرى مسؤولة عن توفير البضائع للمتاجر في الهند معالجات و صلصات أن الطلبات بالجملة كسرت نماذجها التنبؤية.

تتعامل الشركات المختلفة مع المشاكل الناجمة عن أنماط سلوك الجائحة بطرق مختلفة. تقوم بعض الشركات ببساطة بتعديل تقديراتها إلى الأسفل. لا يزال الناس يستمرون في الاشتراك في Netflix وشراء المنتجات على Amazon، ولكنهم قد قللوا من النفقات الترفيهية، و أرجأوا شراء العناصر الكبيرة. في نوع من أنواع السلوك، يمكن اعتبار سلوك الإنفاق للأشخاص كتقلص لسلوكهم المعتاد.

تمتلك بعض الشركات الأخرى حاجة إلى المزيد من التعامل اليدوي مع نماذجها، و إجراء تعديلات مهمة على النموذج وبياناته التدريبية. على سبيل المثال، Phrasee هي شركة ذكاء اصطناعي تستخدم نماذج المعالجة والتوليد اللغوي الطبيعي لإنشاء نسخ و إعلانات لمختلف العملاء. دائمًا ما تقوم Phrasee بفحص ما يولد النموذج، و بدأت في تصفية بعض العبارات في نسختها يدويًا. قررت Phrasee حظر توليد العبارات التي قد تشجع على أنشطة خطرة خلال فترة التباعد الاجتماعي، مثل “ملابس الحفلات”. كما قررت تقييد المصطلحات التي قد تؤدي إلى القلق، مثل “استعد”، “اربط حزامك”، أو “احصل على إمدادات”.

أثبتت أزمة كوفيد-19 أن الأحداث غير المتوقعة يمكن أن تؤثر على نماذج حتى أكثر النماذج موثوقية، حيث يمكن أن تزداد الأمور سوءًا أكثر من السوء في السيناريوهات الأسوأ التي يتم تضمينها عادةً في بيانات التدريب. أوضح راجيف شارما، الرئيس التنفيذي لشركة Pactera Edge لشركة MIT Technology Review أن نماذج التعلم الآلي يمكن جعلها أكثر موثوقية من خلال تدريبها على أحداث غير متوقعة مثل جائحة كوفيد-19 و الكساد الكبير، بالإضافة إلى التقلبات المعتادة للأعلى والأسفل.