Моделите на изкуствен интелект се борят да предскажат нередовното поведение на хората по време на пандемията от Covid-19

Компаниите за търговия на дребно и услугите по целия свят използват AI алгоритми, за да предскажат поведението на клиентите, да направят преглед на инвентара, да оценят въздействието върху маркетинга и да открият възможни случаи на измами. Моделите за машинно обучение, използвани за правене на тези прогнози, се обучават върху модели, извлечени от нормалната ежедневна дейност на хората. За съжаление, нашата ежедневна дейност се промени по време на пандемията от коронавирус и като MIT Technology мнение докладваните настоящи модели за машинно обучение се изхвърлят в резултат на това. Сериозността на проблема се различава от компания до компания, но много модели бяха отрицателно повлияни от внезапната промяна в поведението на хората през последните няколко седмици.

Когато настъпи пандемията от коронавирус, пазарните навици на хората се промениха драстично. Преди началото на пандемията най-често купуваните предмети бяха неща като калъфи за телефони, зарядни за телефони, слушалки, кухненски съдове и прибори. След началото на пандемията 10-те най-добри думи за търсене на Amazon станаха неща като кърпички Clorox, спрей Lysol, хартиени кърпи, дезинфектант за ръце, маски за лице и тоалетна хартия. През последната седмица на февруари най-популярните търсения в Amazon станаха свързани с продукти, от които хората се нуждаят, за да се предпазят от Covid-19. Корелацията между търсенията/покупките на продукти, свързани с Covid-19, и разпространението на болестта е толкова надеждна, че може да се използва за проследяване на разпространението на пандемията в различни географски региони. И все пак моделите за машинно обучение се развалят, когато входните данни на модела са твърде различни от данните, използвани за обучение на модела.

Нестабилността на ситуацията затрудни автоматизирането на веригите за доставки и запасите. Раел Клайн, главен изпълнителен директор на базираната в Лондон консултантска компания Nozzle, обясни, че компаниите се опитват да оптимизират търсенето на тоалетна хартия преди една седмица, докато „тази седмица всеки иска да купи пъзели или оборудване за фитнес“.

Други компании имат своя дял от проблемите. Една компания предоставя инвестиционни препоръки въз основа на настроенията на различни новинарски статии, но тъй като настроенията на новинарските статии в момента често са по-песимистични от обикновено, съветите за инвестиране могат да бъдат силно изкривени към негатива. Междувременно компания за поточно видео използва алгоритми за препоръки, за да предложи съдържание на зрителите, но тъй като много хора внезапно се абонираха за услугата, техните препоръки започнаха да падат от марката. Още една компания, отговорна за снабдяването на търговците на дребно в Индия с подправки и сосове, откри, че поръчките на едро нарушават техните прогнозни модели.

Различните компании се справят с проблемите, причинени от моделите на поведение при пандемия, по различни начини. Някои компании просто преразглеждат оценките си надолу. Хората продължават да се абонират за Netflix и да купуват продукти от Amazon, но са намалили луксозните разходи, отлагайки покупките на скъпи артикули. В известен смисъл, харченето на хората може да се разглежда като свиване на обичайното им поведение.

Други компании трябваше да навлязат повече в своите модели и да накарат инженерите да направят важни промени в модела и неговите данни за обучение. Например Phrasee е фирма за изкуствен интелект, която използва модели за обработка и генериране на естествен език, за да създава копия и реклами за различни клиенти. Phrasee винаги кара инженерите да проверяват какъв текст генерира моделът и компанията започна ръчно да филтрира определени фрази в своето копие. Phrasee реши да забрани генерирането на фрази, които биха могли да насърчат опасни дейности по време на социално дистанциране, фрази като „парти облекло“. Те също така са решили да ограничат термини, които биха могли да доведат до безпокойство, като „стегнете се“, „закопчайте“ или „запасете се“.

Кризата с Covid-19 показа, че странните събития могат да изхвърлят дори добре обучени модели, които обикновено са надеждни, тъй като нещата могат да станат много по-лоши от най-лошите сценарии, които обикновено се включват в данните за обучение. Раджив Шарма, главен изпълнителен директор на консултантската компания за изкуствен интелект Pactera Edge, обясни на MIT Technology мнение че моделите за машинно обучение могат да станат по-надеждни, като бъдат обучени на странни събития като пандемията Covid-19 и Голямата депресия, в допълнение към обичайните колебания нагоре и надолу.