Model AI Mengalami Kesusahan untuk Memprediksi Perilaku Tidak Teratur Manusia Selama Pandemi Covid-19

Perusahaan ritel dan jasa di seluruh dunia menggunakan algoritma AI untuk memprediksi perilaku pelanggan, menghitung stok inventori, memperkirakan dampak pemasaran, dan mendeteksi kemungkinan kasus penipuan. Model pembelajaran mesin yang digunakan untuk membuat prediksi ini dilatih pada pola yang diperoleh dari aktivitas sehari-hari orang-orang. Sayangnya, aktivitas sehari-hari kita telah berubah selama pandemi coronavirus, dan seperti yang dilaporkan oleh MIT Technology Review, model pembelajaran mesin saat ini sedang mengalami kesulitan sebagai akibatnya. Tingkat kesulitan ini berbeda-beda antara perusahaan, tetapi banyak model yang telah terpengaruh negatif oleh perubahan perilaku orang-orang dalam beberapa minggu terakhir.

Ketika pandemi coronavirus terjadi, kebiasaan belanja orang-orang berubah secara dramatis. Sebelum pandemi, barang-barang yang paling banyak dibeli adalah seperti casing ponsel, pengisi daya ponsel, headphone, dan peralatan dapur. Setelah awal pandemi, daftar pencarian teratas Amazon (AMZN ) menjadi barang-barang seperti Clorox wipes, Lysol spray, tisu toilet, hand sanitizer, masker wajah, dan tisu kertas. Selama minggu terakhir Februari, pencarian teratas Amazon semua berhubungan dengan produk yang dibutuhkan orang untuk melindungi diri dari Covid-19. Korelasi antara pencarian produk terkait Covid-19 dan penyebaran penyakit ini sangat dapat diandalkan sehingga dapat digunakan untuk melacak penyebaran pandemi di berbagai wilayah geografis. Namun, model pembelajaran mesin gagal ketika data input model terlalu berbeda dari data yang digunakan untuk melatih model.

Volatilitas situasi ini membuat otomatisasi rantai pasokan dan inventori menjadi sulit. Rael Cline, CEO dari konsultan Nozzle yang berbasis di London, menjelaskan bahwa perusahaan mencoba mengoptimalkan permintaan untuk tisu toilet minggu lalu, sementara “minggu ini semua orang ingin membeli puzzle atau peralatan gym.”

Perusahaan lain memiliki masalah mereka sendiri. Salah satu perusahaan menyediakan rekomendasi investasi berdasarkan sentimen artikel berita, tetapi karena sentimen artikel berita saat ini sering kali lebih pesimis daripada biasanya, saran investasi bisa sangat condong ke arah negatif. Sementara itu, perusahaan streaming video menggunakan algoritma rekomendasi untuk menyarankan konten kepada pemirsa, tetapi ketika banyak orang tiba-tiba berlangganan layanan ini, rekomendasi mereka mulai meleset. Perusahaan lain yang bertanggung jawab untuk memasok ritel di India dengan condimen dan saus menemukan bahwa pesanan grosir menghancurkan model prediktif mereka.

Perusahaan yang berbeda menangani masalah yang disebabkan oleh pola perilaku pandemi dengan cara yang berbeda. Beberapa perusahaan hanya merevisi perkiraan mereka ke bawah. Orang masih terus berlangganan Netflix (NFLX ) dan membeli produk di Amazon, tetapi mereka telah mengurangi pengeluaran mewah, menunda pembelian barang-barang besar. Dalam arti tertentu, perilaku belanja orang dapat dianggap sebagai kontraksi dari perilaku biasa mereka.

Perusahaan lain harus lebih banyak campur tangan dengan model mereka dan memiliki insinyur membuat penyesuaian penting pada model dan data pelatihannya. Misalnya, Phrasee adalah perusahaan AI yang menggunakan model pemrosesan dan generasi bahasa alami untuk membuat salinan dan iklan untuk berbagai klien. Phrasee selalu memiliki insinyur memeriksa teks yang dihasilkan model, dan perusahaan telah mulai menyaring secara manual beberapa frasa dalam salinan mereka. Phrasee telah memutuskan untuk melarang generasi frasa yang mungkin mendorong kegiatan berbahaya selama masa sosial distancing, frasa seperti “pakaian pesta”. Mereka juga telah memutuskan untuk membatasi istilah yang dapat menyebabkan kecemasan, seperti “bersiaplah”, “siapkan diri”, atau “stoklah”.

Krisis Covid-19 telah menunjukkan bahwa peristiwa tidak terduga dapat mengacaukan bahkan model yang sangat terlatih yang biasanya dapat diandalkan, karena hal-hal dapat menjadi jauh lebih buruk daripada skenario terburuk yang biasanya disertakan dalam data pelatihan. Rajeev Sharma, CEO dari konsultan AI Pactera Edge, menjelaskan kepada MIT Technology Review bahwa model pembelajaran mesin dapat dibuat lebih dapat diandalkan dengan dilatih pada peristiwa tidak terduga seperti pandemi Covid-19 dan Depresi Besar, selain fluktuasi naik turun biasa.