ຕົວແບບ AI ຕໍ່ສູ້ເພື່ອຄາດເດົາພຶດຕິກຳທີ່ບໍ່ສະໝໍ່າສະເໝີຂອງປະຊາຊົນໃນລະຫວ່າງການລະບາດຂອງ Covid-19

ບໍລິສັດຂາຍຍ່ອຍແລະບໍລິການທົ່ວໂລກໃຊ້ AI algorithms ເພື່ອຄາດຄະເນພຶດຕິກໍາຂອງລູກຄ້າ, ເອົາຫຼັກຊັບຂອງສິນຄ້າຄົງຄັງ, ຄາດຄະເນຜົນກະທົບດ້ານການຕະຫຼາດ, ແລະກວດພົບກໍລະນີທີ່ເປັນໄປໄດ້ຂອງການສໍ້ໂກງ. ຮູບແບບການຮຽນຮູ້ເຄື່ອງຈັກທີ່ໃຊ້ເພື່ອເຮັດໃຫ້ການຄາດເດົາເຫຼົ່ານີ້ແມ່ນໄດ້ຝຶກອົບຮົມກ່ຽວກັບຮູບແບບທີ່ມາຈາກກິດຈະກໍາປະຈໍາວັນປົກກະຕິຂອງຄົນ. ແຕ່ຫນ້າເສຍດາຍ, ກິດຈະກໍາປະຈໍາວັນຂອງພວກເຮົາມີການປ່ຽນແປງໃນລະຫວ່າງການແຜ່ລະບາດຂອງໂຣກ coronavirus, ແລະເປັນ MIT Technology Review ລາຍງານແບບຈໍາລອງການຮຽນຮູ້ເຄື່ອງຈັກໃນປະຈຸບັນກໍາລັງຖືກຖິ້ມອອກເປັນຜົນໄດ້ຮັບ. ຄວາມຮຸນແຮງຂອງບັນຫາແຕກຕ່າງຈາກບໍລິສັດກັບບໍລິສັດ, ແຕ່ຫຼາຍຕົວແບບໄດ້ຮັບຜົນກະທົບທາງລົບຈາກການປ່ຽນແປງຢ່າງກະທັນຫັນຂອງພຶດຕິກໍາຂອງປະຊາຊົນໃນໄລຍະສອງສາມອາທິດຜ່ານມາ.

ໃນເວລາທີ່ການແຜ່ລະບາດຂອງໂຣກ coronavirus ເກີດຂື້ນ, ນິໄສການຊື້ຂອງປະຊາຊົນໄດ້ປ່ຽນແປງຢ່າງຫຼວງຫຼາຍ. ກ່ອນທີ່ຈະເລີ່ມຕົ້ນການແຜ່ລະບາດຂອງໂລກລະບາດ, ວັດຖຸທີ່ມັກຊື້ຫຼາຍທີ່ສຸດແມ່ນສິ່ງຕ່າງໆເຊັ່ນ: ຖົງໂທລະສັບ, ສາຍສາກໂທລະສັບ, ຫູຟັງ, ເຄື່ອງເຮືອນຄົວ. ຫຼັງຈາກການເລີ່ມຕົ້ນຂອງໂລກລະບາດ, ຄໍາສັບຄົ້ນຫາ 10 ອັນດັບຕົ້ນຂອງ Amazon ໄດ້ກາຍເປັນສິ່ງຕ່າງໆເຊັ່ນຜ້າເຊັດ Clorox, ສີດ Lysol, ຜ້າເຊັດມື, ເຈວລ້າງມື, ຫນ້າກາກໃບຫນ້າ, ແລະເຈ້ຍຫ້ອງນ້ໍາ. ໃນໄລຍະອາທິດສຸດທ້າຍຂອງເດືອນກຸມພາ, ການຄົ້ນຫາ Amazon ເທິງສຸດທັງຫມົດແມ່ນກ່ຽວຂ້ອງກັບຜະລິດຕະພັນທີ່ປະຊາຊົນຕ້ອງການເພື່ອປົກປ້ອງຕົນເອງຈາກ Covid-19. ການເຊື່ອມໂຍງຂອງການຄົ້ນຫາ / ການຊື້ຜະລິດຕະພັນທີ່ກ່ຽວຂ້ອງກັບ Covid-19 ແລະການແຜ່ລະບາດຂອງພະຍາດແມ່ນມີຄວາມຫນ້າເຊື່ອຖືທີ່ມັນສາມາດຖືກນໍາໃຊ້ເພື່ອຕິດຕາມການແຜ່ລະບາດຂອງໂລກລະບາດໃນພາກພື້ນຕ່າງໆ. ແຕ່ແບບຈໍາລອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກຈະທໍາລາຍເມື່ອຂໍ້ມູນການປ້ອນຂໍ້ມູນຂອງຕົວແບບແຕກຕ່າງຈາກຂໍ້ມູນທີ່ໃຊ້ໃນການຝຶກອົບຮົມຕົວແບບ.

ການເຫນັງຕີງຂອງສະຖານະການໄດ້ເຮັດໃຫ້ອັດຕະໂນມັດຂອງລະບົບຕ່ອງໂສ້ການສະຫນອງແລະສິນຄ້າຄົງຄັງມີຄວາມຫຍຸ້ງຍາກ. Rael Cline, ຊີອີໂອຂອງບໍລິສັດທີ່ປຶກສາ Nozzle ຕັ້ງຢູ່ລອນດອນ, ໄດ້ອະທິບາຍວ່າບໍລິສັດກໍາລັງພະຍາຍາມເພີ່ມປະສິດທິພາບສໍາລັບຄວາມຕ້ອງການຂອງກະດາດຜ້າຫນຶ່ງອາທິດກ່ອນຫນ້ານີ້, ໃນຂະນະທີ່ "ອາທິດນີ້ທຸກຄົນຕ້ອງການຊື້ປິດສະຫນາຫຼືອຸປະກອນອອກກໍາລັງກາຍ."

ບໍລິສັດອື່ນມີສ່ວນແບ່ງບັນຫາຂອງຕົນເອງ. ບໍລິສັດຫນຶ່ງໃຫ້ຄໍາແນະນໍາດ້ານການລົງທຶນໂດຍອີງໃສ່ຄວາມຮູ້ສຶກຂອງບົດຄວາມຂ່າວຕ່າງໆ, ແຕ່ເນື່ອງຈາກວ່າຄວາມຮູ້ສຶກຂອງບົດຄວາມຂ່າວໃນປັດຈຸບັນມັກຈະມີແງ່ດີຫຼາຍກ່ວາປົກກະຕິ, ຄໍາແນະນໍາດ້ານການລົງທຶນອາດຈະຖືກ skew ຢ່າງຮຸນແຮງຕໍ່ກັບທາງລົບ. ໃນຂະນະດຽວກັນ, ບໍລິສັດວິດີໂອສະຕຣີມມິງໄດ້ໃຊ້ລະບົບການແນະນຳເພື່ອແນະນຳເນື້ອຫາໃຫ້ກັບຜູ້ຊົມ, ແຕ່ຍ້ອນວ່າມີຫຼາຍຄົນສະໝັກໃຊ້ບໍລິການດັ່ງກ່າວຢ່າງກະທັນຫັນ, ການແນະນຳຂອງເຂົາເຈົ້າເລີ່ມຫຼຸດລົງຈາກຈຸດໝາຍ. ແຕ່ບໍລິສັດອື່ນທີ່ຮັບຜິດຊອບໃນການສະຫນອງຮ້ານຂາຍຍ່ອຍໃນປະເທດອິນເດຍດ້ວຍເຄື່ອງປຸງອາຫານແລະນ້ໍາຊອດໄດ້ຄົ້ນພົບຄໍາສັ່ງຈໍານວນຫລາຍໄດ້ທໍາລາຍຮູບແບບການຄາດເດົາຂອງພວກເຂົາ.

ບໍລິສັດທີ່ແຕກຕ່າງກັນກໍາລັງຈັດການກັບບັນຫາທີ່ເກີດຈາກຮູບແບບພຶດຕິກໍາການແຜ່ລະບາດໃນວິທີຕ່າງໆ. ບາງບໍລິສັດພຽງແຕ່ທົບທວນການຄາດຄະເນຂອງພວກເຂົາຫຼຸດລົງ. ປະຊາຊົນຍັງຄົງສືບຕໍ່ຈອງ Netflix ແລະຊື້ຜະລິດຕະພັນໃນ Amazon, ແຕ່ພວກເຂົາໄດ້ຫຼຸດລົງການໃຊ້ຈ່າຍຟຸ່ມເຟືອຍ, ເລື່ອນເວລາການຊື້ສິນຄ້າທີ່ມີປີ້ໃຫຍ່. ໃນຄວາມຮູ້ສຶກ, ພຶດຕິກໍາການໃຊ້ຈ່າຍຂອງປະຊາຊົນສາມາດຖືກຄິດວ່າເປັນການຫົດຕົວຂອງພຶດຕິກໍາປົກກະຕິຂອງພວກເຂົາ.

ບໍລິສັດອື່ນໆຕ້ອງໄດ້ຮັບມືຫຼາຍຂື້ນກັບຕົວແບບຂອງພວກເຂົາແລະມີວິສະວະກອນເຮັດການປັບຕົວທີ່ສໍາຄັນກັບຕົວແບບແລະມັນເປັນຂໍ້ມູນການຝຶກອົບຮົມ. ຕົວຢ່າງ, Phrasee ແມ່ນບໍລິສັດ AI ທີ່ນໍາໃຊ້ການປຸງແຕ່ງພາສາທໍາມະຊາດແລະຮູບແບບການຜະລິດເພື່ອສ້າງສໍາເນົາແລະການໂຄສະນາສໍາລັບລູກຄ້າທີ່ຫລາກຫລາຍ. Phrasee ສະເຫມີມີວິສະວະກອນກວດເບິ່ງວ່າຕົວແບບສ້າງຂໍ້ຄວາມໃດ, ແລະບໍລິສັດໄດ້ເລີ່ມການກັ່ນຕອງອອກດ້ວຍຕົນເອງບາງປະໂຫຍກໃນສໍາເນົາຂອງມັນ. Phrasee ໄດ້ຕັດສິນໃຈຫ້າມການສ້າງປະໂຫຍກທີ່ອາດຈະຊຸກຍູ້ກິດຈະກໍາທີ່ເປັນອັນຕະລາຍໃນຊ່ວງເວລາທີ່ຫ່າງໄກທາງສັງຄົມ, ປະໂຫຍກເຊັ່ນ "ການນຸ່ງຖືໃນງານລ້ຽງ". ພວກເຂົາເຈົ້າຍັງໄດ້ຕັດສິນໃຈທີ່ຈະຈໍາກັດຂໍ້ກໍານົດທີ່ສາມາດນໍາໄປສູ່ຄວາມກັງວົນ, ເຊັ່ນ: "ມັດຕົວເອງ", "ມັດ", ຫຼື "ຫຼັກຊັບ".

ວິກິດການ Covid-19 ໄດ້ສະແດງໃຫ້ເຫັນວ່າເຫດການທີ່ແປກປະຫຼາດສາມາດຖິ້ມເຖິງແມ່ນຮູບແບບທີ່ໄດ້ຮັບການຝຶກອົບຮົມສູງທີ່ມີຄວາມຫນ້າເຊື່ອຖື, ຍ້ອນວ່າສິ່ງຕ່າງໆອາດຈະຮ້າຍແຮງໄປກວ່າສະຖານະການທີ່ຮ້າຍແຮງທີ່ສຸດທີ່ມັກຈະລວມຢູ່ໃນຂໍ້ມູນການຝຶກອົບຮົມ. Rajeev Sharma, CEO ຂອງທີ່ປຶກສາ AI Pactera Edge, ອະທິບາຍໃຫ້ MIT Technology Review ຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກສາມາດເຮັດໃຫ້ມີຄວາມໜ້າເຊື່ອຖືໄດ້ຫຼາຍຂຶ້ນໂດຍການໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບເຫດການທີ່ແປກປະຫຼາດເຊັ່ນ: ການລະບາດຂອງພະຍາດໂຄວິດ-19 ແລະການຊຶມເສົ້າທີ່ຍິ່ງໃຫຍ່, ນອກເຫນືອຈາກການເໜັງຕີງຂຶ້ນ ແລະ ລົງຕາມປົກກະຕິ.