KI-Modelle haben Schwierigkeiten, das unregelmäßige Verhalten von Menschen während der Covid-19-Pandemie vorherzusagen

Einzelhandels- und Dienstleistungsunternehmen auf der ganzen Welt nutzen KI-Algorithmen, um Kundenverhalten vorherzusagen, Inventar zu verwalten, Marketingauswirkungen zu schätzen und mögliche Betrugsfälle zu erkennen. Die für diese Vorhersagen verwendeten Machine-Learning-Modelle werden mit Mustern trainiert, die aus dem normalen, alltäglichen Verhalten von Menschen abgeleitet werden. Leider hat sich unser tägliches Verhalten während der Coronavirus-Pandemie geändert, und wie MIT Technology Review berichtet, werden die aktuellen Machine-Learning-Modelle dadurch gestört. Die Schwere des Problems variiert von Unternehmen zu Unternehmen, aber viele Modelle wurden durch die plötzliche Änderung des Verhaltens von Menschen in den letzten Wochen negativ beeinflusst.

Als die Coronavirus-Pandemie auftrat, änderten sich die Kaufgewohnheiten von Menschen dramatisch. Vor dem Beginn der Pandemie waren die am häufigsten gekauften Gegenstände Dinge wie Telefonhüllen, Ladegeräte, Kopfhörer und Küchenutensilien. Nach dem Beginn der Pandemie wurden Amazons Top-10-Suchbegriffe zu Dingen wie Clorox-Desinfektionstüchern, Lysol-Spray, Papiertüchern, Handdesinfektionsmittel, Gesichtsmasken und Toilettenpapier. Im Laufe der letzten Woche im Februar wurden alle Top-Suchbegriffe auf Amazon (AMZN ) zu Produkten, die Menschen benötigten, um sich vor Covid-19 zu schützen. Die Korrelation zwischen Covid-19-bezogenen Produktsuchen/Käufen und der Ausbreitung der Krankheit ist so zuverlässig, dass sie zur Verfolgung der Ausbreitung der Pandemie in verschiedenen geografischen Regionen verwendet werden kann. Doch brechen Machine-Learning-Modelle zusammen, wenn die Eingabedaten des Modells zu unterschiedlich von den Daten sind, die zum Trainieren des Modells verwendet wurden.

Die Volatilität der Situation hat die Automatisierung von Lieferketten und Inventaren erschwert. Rael Cline, der CEO des in London ansässigen Beratungsunternehmens Nozzle, erklärte, dass Unternehmen versuchen, die Nachfrage nach Toilettenpapier vor einer Woche zu optimieren, während “dieses Woche jeder Puzzles oder Fitnessgeräte kaufen möchte”.

Andere Unternehmen haben ihre eigenen Probleme. Ein Unternehmen gibt Investitionsempfehlungen auf der Grundlage der Stimmung von Nachrichtenartikeln, aber da die Stimmung von Nachrichtenartikeln derzeit oft pessimistischer ist als üblich, kann die Investitionsberatung stark negativ sein. Währenddessen nutzt ein Streaming-Video-Unternehmen Empfehlungs-Algorithmen, um Inhalte den Zuschauern vorzuschlagen, aber als viele Menschen plötzlich auf den Dienst abonnierten, begannen die Empfehlungen zu versagen. Ein weiteres Unternehmen, das indischen Einzelhändlern Gewürze und Saucen liefert, entdeckte, dass Großbestellungen ihre Vorhersagemodelle brachen.

Unterschiedliche Unternehmen gehen mit den Problemen, die durch die Pandemie-Verhaltensmuster verursacht werden, auf unterschiedliche Weise um. Einige Unternehmen überarbeiten einfach ihre Schätzungen nach unten. Menschen abonnieren immer noch Netflix (NFLX ) und kaufen Produkte auf Amazon, aber sie haben ihre Ausgaben für Luxusgüter reduziert und den Kauf von teuren Artikeln verschoben. In gewissem Sinne kann das Ausgabenverhalten von Menschen als eine Kontraktion ihres üblichen Verhaltens betrachtet werden.

Andere Unternehmen mussten ihre Modelle und Trainingsdaten manuell anpassen. Zum Beispiel ist Phrasee ein KI-Unternehmen, das natürliche Sprachverarbeitungs- und Generierungsmodelle verwendet, um Kopien und Werbeanzeigen für verschiedene Kunden zu erstellen. Phrasee lässt immer Ingenieure überprüfen, welcher Text vom Modell generiert wird, und das Unternehmen hat begonnen, bestimmte Phrasen in seinen Kopien manuell zu filtern. Phrasee hat beschlossen, die Generierung von Phrasen zu verbieten, die zu gefährlichen Aktivitäten während der sozialen Distanzierung ermutigen könnten, wie “Party-Kleidung”. Sie haben auch beschlossen, Begriffe zu beschränken, die zu Angstzuständen führen könnten, wie “sich vorbereiten”, “sich anschnallen” oder “vorräten”.

Die Covid-19-Krise hat gezeigt, dass außergewöhnliche Ereignisse sogar hoch trainierte Modelle, die normalerweise zuverlässig sind, stören können, da Dinge schlimmer werden können als die Worst-Case-Szenarien, die normalerweise in den Trainingsdaten enthalten sind. Rajeev Sharma, CEO des KI-Beratungsunternehmens Pactera Edge, erklärte MIT Technology Review, dass Machine-Learning-Modelle zuverlässiger gemacht werden könnten, indem sie auf außergewöhnliche Ereignisse wie die Covid-19-Pandemie und die Great Depression sowie auf die üblichen Auf- und Abwärtsfluktuationen trainiert werden.