AI Modelleri İnsanların Covid-19 Salgını Sırasında Düzensiz Davranışlarını Öngörmekte Zorlanıyor

Perakende ve hizmet şirketleri dünya çapında müşteri davranışlarını öngörmek, stoklarını takip etmek, pazarlama etkilerini tahmin etmek ve olası dolandırıcılık vakalarını tespit etmek için AI algoritmalarını kullanıyor. Bu öngörüler için kullanılan makine öğrenimi modelleri, insanların normal, günlük faaliyetlerinden elde edilen kalıplarla eğitiliyor. Ne yazık ki, günümüzdeki günlük faaliyetlerimiz Covid-19 salgını sırasında değişti ve MIT Technology Review tarafından bildirildiği gibi mevcut makine öğrenimi modelleri bundan olumsuz etkileniyor. Sorunun şiddeti şirketten şirkete farklılık gösterse de, birçok model insanların davranışlarındaki sudden değişimden olumsuz etkilenmiştir.

Covid-19 salgını ortaya çıktığında, insanların satın alma alışkanlıkları dramatik bir şekilde değişti. Salgın öncesi en çok satın alınan ürünler telefon kılıfları, telefon şarj cihazları, kulaklıklar ve mutfak eşyaları gibi ürünlerdi. Salgın başladıktan sonra, Amazon’un en çok aranan ürünler Clorox bezleri, Lysol spreyi, peçete, el dezenfektanı, maske ve tuvalet kağıdı gibi ürünler oldu. Şubat ayının son haftasında, Amazon’da en çok aranan ürünler Covid-19’dan korunmak için gereken ürünler oldu. Covid-19 ile ilgili ürün aramaları ve satın almaları ile hastalığın yayılması arasındaki korelasyon o kadar güvenilir ki, bunu kullanarak hastalığın farklı coğrafi bölgelerde yayılmasını takip etmek mümkün. Ancak makine öğrenimi modelleri, modelin girdi verilerinin eğitim verilerine çok farklı olduğu durumlarda bozulabiliyor.

Durumun volatilitesi, tedarik zincirlerinin ve stokların otomasyonunu zorlaştırıyor. Londra merkezli danışmanlık şirketi Nozzle’ın CEO’su Rael Cline, şirketlerin bir hafta önce tuvalet kağıdı talebini optimize etmeye çalıştıklarını, ancak “bu hafta herkes puzzle veya spor ekipmanı satın almak istiyor” dedi.

Diğer şirketler de kendi sorunlarına sahip. Bir şirket, çeşitli haber makalelerinin sentiment analizine dayanarak yatırım tavsiyeleri veriyor, ancak haber makalelerinin sentimenti şu anda genellikle daha olumsuz olduğu için yatırım tavsiyeleri olumsuz yönde etkilenebiliyor. Bir diğer şirket, izleyicilere içerik önermek için öneri algoritmaları kullanıyor, ancak birçok insanın suddenly serviçoya abone olmasıyla önerileri hedefinden uzaklaşıyor. Hindistan’da perakendecilere baharat ve sos tedarik eden bir şirket, büyük siparişlerin öngörme modellerini bozduğunu keşfetti.

Şirketler, salgın davranış kalıplarından kaynaklanan sorunları farklı şekilde ele alıyor. Bazı şirketler sadece tahminlerini aşağı yönde revize ediyor. İnsanlar hala Netflix’e abone oluyor ve Amazon’dan ürün satın alıyor, ancak lüks harcamalarını azalttı ve büyük biletli ürünlerin satın alınmasını erteledi. Bir anlamda, insanların harcama davranışları normal davranışlarının bir kısaltması olarak düşünülebilir.

Diğer şirketler, modellerine ve eğitim verilerine daha fazla müdahale etmek zorunda kaldı. Örneğin, Phrasee, doğal dil işleme ve oluşturma modellerini kullanarak çeşitli müşteriler için kopya ve reklamlar oluşturan bir AI şirketi. Phrasee her zaman mühendislerin modelin oluşturduğu metni kontrol etmesini sağlıyor ve şirket, kopyalarında belirli ifadeleri manuel olarak filtrelemeye başladı. Phrasee, sosyal mesafe döneminde tehlikeli faaliyetleri teşvik edebilecek ifadelerin oluşturulmasını yasakladı, örneğin “parti giysisi” gibi ifadeler. Ayrıca, “kendinizi hazırlayın”, “kemerlerinizi bağlayın” veya “stoklayın” gibi anksiyete yaratabilecek terimlerin kullanımını kısıtlamaya karar verdi.

Covid-19 krizi, anomali olaylarının даже güvenilir modelleri bozabileceğini gösterdi, çünkü şeyler genellikle dahil edilen eğitim verilerinin en kötü senaryolarından daha kötü olabilir. AI danışmanlığı Pactera Edge’in CEO’su Rajeev Sharma, MIT Technology Review ile yaptığı röportajda, makine öğrenimi modellerinin Covid-19 salgını ve Büyük Buhran gibi anomali olaylarına ek olarak normal yukarı ve aşağı dalgalanmalarla eğitilmesi durumunda daha güvenilir olabileceğini açıkladı.