Τα Μοντέλα AI Δυσκολεύονται να Προβλέψουν τις Ανियमότες Συμπεριφορές των Ανθρώπων κατά τη διάρκεια της Πανδημίας Covid-19

Οι εταιρείες λιανικού εμπορίου και υπηρεσιών σε όλο τον κόσμο χρησιμοποιούν αλγόριθμους AI για να προβλέψουν τις συμπεριφορές των πελατών, να μετρήσουν τις αποθέσεις, να εκτιμήσουν τις επιπτώσεις της διαφήμισης και να ανιχνεύσουν πιθανές περιπτώσεις απάτης. Τα μοντέλα μηχανικής μάθησης που χρησιμοποιούνται για να κάνουν αυτές τις προβλέψεις εκπαιδεύονται σε πρότυπα που προέρχονται από την κανονική, ημερήσια δραστηριότητα των ανθρώπων. Δυστυχώς, η ημερήσια δραστηριότητά μας έχει αλλάξει κατά τη διάρκεια της πανδημίας του κορονοϊού και όπως ανέφερε το MIT Technology Review, τα τρέχοντα μοντέλα μηχανικής μάθησης διαταράσσονται ως αποτέλεσμα. Η σοβαρότητα του προβλήματος διαφέρει από εταιρεία σε εταιρεία, αλλά πολλά μοντέλα έχουν επηρεαστεί αρνητικά από την απότομη αλλαγή στη συμπεριφορά των ανθρώπων κατά τη διάρκεια των τελευταίων εβδομάδων.

Όταν συνέβη η πανδημία του κορονοϊού, οι αγοραστικές συνήθειες των ανθρώπων shifted δραματικά. Πριν από την έναρξη της πανδημίας, τα πιο συχνά αγορασμένα αντικείμενα ήταν πράγματα όπως θήκες τηλεφώνου, φορτιστές τηλεφώνου, ακουστικά, σκεύη κουζίνας. Μετά την έναρξη της πανδημίας, τα top 10 αναζητήσεις του Amazon έγιναν πράγματα όπως Clorox wipes, Lysol spray, χαρτοπετσέτες, αντισηπτικά χεριών, μάσκες προσώπου και χαρτί υγείας. Κατά τη διάρκεια της τελευταίας εβδομάδας του Φεβρουαρίου, οι top αναζητήσεις του Amazon έγιναν όλες σχετικές με προϊόντα που οι άνθρωποι χρειάζονταν για να προστατεύσουν τον εαυτό τους από το Covid-19. Η συσχέτιση των αναζητήσεων/αγορών προϊόντων σχετικών με το Covid-19 και της εξάπλωσης της νόσου είναι τόσο αξιόπιστη που μπορεί να χρησιμοποιηθεί για να παρακολουθήσει την εξάπλωση της πανδημίας σε διαφορετικές γεωγραφικές περιοχές. Ωστόσο, τα μοντέλα μηχανικής μάθησης διαταράσσονται όταν τα δεδομένα εισόδου του μοντέλου είναι πολύ διαφορετικά από τα δεδομένα που χρησιμοποιήθηκαν για την εκπαίδευση του μοντέλου.

Η ταχύτητα της κατάστασης έχει κάνει τη αυτοματοποίηση των αλυσίδων εφοδιασμού και των αποθεμάτων δύσκολη. Ο Rael Cline, ο CEO της London-based консалтингової εταιρείας Nozzle, εξήγησε ότι οι εταιρείες προσπαθούν να βελτιστοποιήσουν την ζήτηση για χαρτί υγείας την προηγούμενη εβδομάδα, ενώ “αυτή την εβδομάδα όλοι θέλουν να αγοράσουν puzzle ή γυμναστική εξοπλισμό”.

Άλλες εταιρείες έχουν τα δικά τους προβλήματα. Μια εταιρεία παρέχει συστάσεις επένδυσης με βάση τη στάση των διαφόρων άρθρων ειδήσεων, αλλά επειδή η στάση των άρθρων ειδήσεων αυτή τη στιγμή είναι συχνά πιο απαισιόδοξη από το συνηθισμένο, οι συμβουλές επένδυσης θα μπορούσαν να είναι πολύ προκατειλημμένες προς το αρνητικό. Εν τω μεταξύ, μια εταιρεία streaming βίντεο χρησιμοποιούσε αλγόριθμους συστάσεων για να προτείνει περιεχόμενο στους θεατές, αλλά καθώς πολλοί άνθρωποι εγγράφονταν ξαφνικά στην υπηρεσία, οι συστάσεις τους άρχισαν να απομακρύνονται από το στόχο. Μια άλλη εταιρεία που ήταν υπεύθυνη για την εφοδιασμό των λιανικών εμπόρων στην Ινδία με καρυκεύματα και σάλτσες ανακάλυψε ότι οι bulk παραγγελίες έσπαγαν τα προβλεπτικά μοντέλα τους.

Διαφορετικές εταιρείες αντιμετωπίζουν τα προβλήματα που προκαλούνται από τα πρότυπα συμπεριφοράς της πανδημίας με διαφορετικούς τρόπους. Ορισμένες εταιρείες απλώς αναθεωρούν τις εκτιμήσεις τους προς τα κάτω. Οι άνθρωποι συνεχίζουν να εγγράφονται στο Netflix και να αγοράζουν προϊόντα στο Amazon, αλλά έχουν μειώσει τις δαπάνες τους σε πολυτελείς δαπάνες, αναβάλλοντας τις αγορές σε μεγάλες ετικέτες. Σε μια έννοια, οι δαπάνες των ανθρώπων μπορούν να θεωρηθούν ως μια σύμπτυξη της συνήθους συμπεριφοράς τους.

Άλλες εταιρείες έχουν πρέπει να γίνουν πιο χειροκίνητες με τα μοντέλα τους και να έχουν μηχανικούς να κάνουν σημαντικές ρυθμίσεις στο μοντέλο και στα δεδομένα εκπαίδευσής του. Για παράδειγμα, η Phrasee είναι μια εταιρεία AI που χρησιμοποιεί φυσική επεξεργασία γλώσσας και μοντέλα γεννήτριας για να δημιουργήσει αντίγραφα και διαφημίσεις για eine ποικιλία πελατών. Η Phrasee πάντα έχει μηχανικούς να ελέγχουν τι κείμενο παράγει το μοντέλο, και η εταιρεία έχει αρχίσει να φιλτράρει χειροκίνητα ορισμένες φράσεις στο αντίγραφό της. Η Phrasee έχει αποφασίσει να απαγορεύσει τη γεννήτρια φράσεων που θα μπορούσαν να ενθαρρύνουν επικίνδυνες δραστηριότητες κατά τη διάρκεια μιας περιόδου κοινωνικής απομάκρυνσης, φράσεις όπως “party wear”. Έχουν επίσης αποφασίσει να περιορίσουν τους όρους που θα μπορούσαν να οδηγήσουν σε αγχώδη, όπως “brace yourself”, “buckle up” ή “stock up”.

Η κρίση του Covid-19 έχει δείξει ότι τα απρόβλεπτα γεγονότα μπορούν να διαταράξουν ακόμη και τα καλά εκπαιδευμένα μοντέλα που είναι συνήθως αξιόπιστα, καθώς τα πράγματα μπορούν να γίνουν πολύ χειρότερα από τα χειρότερα σενάρια που είναι συνήθως περιλαμβανόμενα στα δεδομένα εκπαίδευσης. Ο Rajeev Sharma, CEO της εταιρείας AI консалтингової Pactera Edge, εξήγησε στο MIT Technology Review ότι τα μοντέλα μηχανικής μάθησης θα μπορούσαν να γίνουν πιο αξιόπιστα με την εκπαίδευση σε απρόβλεπτα γεγονότα όπως η πανδημία του Covid-19 και η Μεγάλη Ύφεση, εκτός από τις συνήθεις άνω και κάτω διακυμάνσεις.