์ธ๊ณต์ง๋ฅ
AI ๋ชจ๋ธ์ Covid-19 ํฌ๋ฐ๋ฏน ๊ธฐ๊ฐ ๋์ ์ฌ๋๋ค์ ๋น์ ์์ ์ธ ํ๋์ ์์ธกํ๊ธฐ ์ด๋ ค์
전 세계의 소매 및 서비스 회사들은 고객 행동을 예측하기 위해 AI 알고리즘을 사용하며, 재고를 관리하고, 마케팅의 영향을 추정하며, 가능한 사기 사례를 감지합니다. 이러한 예측을 위해 사용되는 기계 학습 모델은 사람들의 일상적인 활동에서 파생된 패턴으로 훈련됩니다. 불행히도, 우리의 일상적인 활동은 코로나바이러스 팬데믹 期間 동안 변경되었으며, MIT Technology Review에 따르면 현재 기계 학습 모델은 이러한 결과로 인해 혼란을 겪고 있습니다. 문제의 심각성은 회사마다 다르지만, 많은 모델이 최근 몇 주 동안 사람들의 행동의 갑작스러운 변화로 인해 부정적인 영향을 받았습니다.
코로나바이러스 팬데믹이 발생했을 때, 사람들의 구매习慣은 극적으로 변화했습니다. 팬데믹 이전에 가장 많이 구입되는 물건은 전화 케이스, 전화 충전기, 헤드폰, 주방 용품 등이었습니다. 그러나 팬데믹이 시작된 후, 아마존의 상위 10개 검색어는 클로록스 위스, 라이솔 스프레이, 페이퍼 타월, 손 소독제, 마스크, 화장지 등이 되었습니다. 2월 마지막 주에, 아마존의 상위 검색어는 모두 Covid-19로부터 자신을 보호하기 위해 필요한 제품과 관련된 것이 되었습니다. Covid-19 관련 제품 검색/구매와 질병의 확산 간의 상관관계는 så 신뢰할 수 있게 지리적 지역에서 팬데믹의 확산을 추적하는 데 사용될 수 있습니다. 그러나 기계 학습 모델은 모델의 입력 데이터가 모델을 훈련하는 데 사용된 데이터와 너무 다를 때 고장납니다.
상황의 불안정성은 공급链과 재고의 자동화를 어렵게 만들었습니다. 런던 기반 컨설팅 회사 노즐의 CEO인 래엘 클라인은 회사들이 지난주에 화장지 수요를 최적화하려고 시도하고 있지만 “이번 주에는 모든 사람이 퍼즐이나 운동 기구를 사고 싶어한다”고 설명했습니다.
다른 회사들도 각자의 문제를 가지고 있습니다. 한 회사는 다양한 뉴스 기사의 감정에 기반한 투자 추천을 제공하지만, 현재 뉴스 기사의 감정이 일반적으로보다 비관적이기 때문에 투자 조언이 부정적으로 치우쳐질 수 있습니다. 한 스트리밍 비디오 회사는 추천 알고리즘을 사용하여 콘텐츠를 시청자에게 제안했지만, 많은 사람들이突然 서비스에 가입하면서 추천이 맞지 않게 되었습니다. 또 다른 회사는 인도에있는 소매업체에 양념과 소스를 공급하는 책임이 있었지만, 대량 주문이 예측 모델을 고장나게 만들었습니다.
다른 회사들은 팬데믹 행동 패턴으로 인한 문제를 다르게 처리하고 있습니다. 일부 회사들은 단순히 추정치를 낮추고 있습니다. 사람들은 여전히 넷플릭스에 가입하고 아마존에서 제품을 구입하지만, họ는 고급품 구입을 줄이고 큰 항목의 구입을 연기했습니다. 어느 정도에서, 사람들의 지출 행동은 일반적인 행동의 수축으로 볼 수 있습니다.
다른 회사들은 모델과 훈련 데이터에 대한 중요한 수정을 엔지니어가 직접 수행해야 했습니다. 예를 들어, 프레이즈는 자연 언어 처리 및 생성 모델을 사용하여 다양한 클라이언트를 위한 복사 및 광고를 생성하는 AI 회사입니다. 프레이즈는 항상 엔지니어가 모델이 생성한 텍스트를 확인하며, 회사는 특정 구문을 복사에서 수동으로 필터링하기 시작했습니다. 프레이즈는 사회적 거리 두기 기간 동안 위험한 활동을 khuyến khích할 수 있는 구문을 생성하는 것을 금지하기로 결정했습니다. “파티 용품”과 같은 구문이 있습니다. 또한 회사는 불안을 유발할 수 있는 용어, 예를 들어 “brace yourself”, “buckle up”, 또는 “stock up”를 제한하기로 결정했습니다.
Covid-19 위기는 극적인 사건이 일반적으로 신뢰할 수 있는 훈련된 모델을 혼란에 빠지게 할 수 있음을 보여주었습니다. 이는 일반적으로 훈련 데이터에 포함되는 최악의 시나리오보다 상황이 훨씬 더 나빠질 수 있기 때문입니다. AI 컨설팅 회사 팩테라 에지의 CEO인 라지브 샤르마는 MIT Technology Review에 기계 학습 모델을 Covid-19 팬데믹 및 대공황과 같은 극적인 사건으로 훈련함으로써 더 신뢰할 수 있게 만들 수 있다고 설명했습니다. 또한 일반적인 상승 및 하락의 변동에 대해서도 훈련해야 합니다.
