Các mô hình AI đấu tranh để dự đoán hành vi bất thường của mọi người trong đại dịch Covid-19

Các công ty bán lẻ và dịch vụ trên khắp thế giới sử dụng thuật toán AI để dự đoán hành vi của khách hàng, kiểm kê hàng tồn kho, ước tính tác động tiếp thị và phát hiện các trường hợp gian lận có thể xảy ra. Các mô hình học máy được sử dụng để đưa ra những dự đoán này được đào tạo dựa trên các mẫu bắt nguồn từ hoạt động bình thường hàng ngày của con người. Thật không may, hoạt động hàng ngày của chúng ta đã thay đổi trong đại dịch vi-rút Corona, và cũng như MIT Technology Review kết quả là các mô hình học máy hiện tại đã bị loại bỏ. Mức độ nghiêm trọng của vấn đề khác nhau giữa các công ty, nhưng nhiều mô hình đã bị ảnh hưởng tiêu cực bởi sự thay đổi đột ngột trong hành vi của mọi người trong vài tuần qua.

Khi đại dịch coronavirus xảy ra, thói quen mua hàng của mọi người đã thay đổi đáng kể. Trước khi xảy ra đại dịch, những đồ vật được mua nhiều nhất là những thứ như ốp lưng, sạc điện thoại, tai nghe, đồ dùng nhà bếp. Sau khi đại dịch bắt đầu, 10 cụm từ tìm kiếm hàng đầu của Amazon đã trở thành những thứ như khăn lau Clorox, bình xịt Lysol, khăn giấy, nước rửa tay, khẩu trang và giấy vệ sinh. Trong suốt tuần cuối cùng của tháng 19, tất cả các tìm kiếm hàng đầu trên Amazon đều liên quan đến các sản phẩm mà mọi người cần để tự bảo vệ mình khỏi Covid-19. Mối tương quan giữa các lượt tìm kiếm/mua sản phẩm liên quan đến Covid-XNUMX và sự lây lan của dịch bệnh đáng tin cậy đến mức có thể được sử dụng để theo dõi sự lây lan của đại dịch trên các khu vực địa lý khác nhau. Tuy nhiên, các mô hình học máy bị hỏng khi dữ liệu đầu vào của mô hình quá khác so với dữ liệu được sử dụng để đào tạo mô hình.

Sự biến động của tình hình đã khiến việc tự động hóa chuỗi cung ứng và hàng tồn kho trở nên khó khăn. Rael Cline, Giám đốc điều hành của công ty tư vấn Nozzle có trụ sở tại London, giải thích rằng các công ty đang cố gắng tối ưu hóa nhu cầu giấy vệ sinh một tuần trước, trong khi “tuần này mọi người đều muốn mua đồ chơi xếp hình hoặc thiết bị tập thể dục”.

Các công ty khác có những vấn đề riêng của họ. Một công ty đưa ra các khuyến nghị đầu tư dựa trên tâm lý của các bài báo khác nhau, nhưng vì tâm lý của các bài báo tại thời điểm này thường bi quan hơn bình thường, nên lời khuyên đầu tư có thể nghiêng nhiều về hướng tiêu cực. Trong khi đó, một công ty phát video trực tuyến đã sử dụng các thuật toán đề xuất để đề xuất nội dung cho người xem, nhưng khi nhiều người đột nhiên đăng ký dịch vụ, các đề xuất của họ bắt đầu giảm. Tuy nhiên, một công ty khác chịu trách nhiệm cung cấp gia vị và nước sốt cho các nhà bán lẻ ở Ấn Độ đã phát hiện ra các đơn đặt hàng số lượng lớn đã phá vỡ các mô hình dự đoán của họ.

Các công ty khác nhau đang xử lý các vấn đề do mô hình hành vi đại dịch gây ra theo những cách khác nhau. Một số công ty chỉ đơn giản là sửa đổi ước tính của họ xuống. Mọi người vẫn tiếp tục đăng ký Netflix và mua sản phẩm trên Amazon, nhưng họ đã cắt giảm chi tiêu xa xỉ, hoãn mua các mặt hàng đắt tiền. Theo một nghĩa nào đó, hành vi chi tiêu của mọi người có thể được coi là sự rút gọn của hành vi thông thường của họ.

Các công ty khác đã phải thực hành nhiều hơn với các mô hình của họ và nhờ các kỹ sư thực hiện những điều chỉnh quan trọng đối với mô hình cũng như dữ liệu đào tạo. Ví dụ: Phrasee là một công ty AI sử dụng các mô hình tạo và xử lý ngôn ngữ tự nhiên để tạo bản sao và quảng cáo cho nhiều khách hàng. Phrasee luôn yêu cầu các kỹ sư kiểm tra văn bản mà mô hình tạo ra và công ty đã bắt đầu lọc thủ công một số cụm từ nhất định trong bản sao của mình. Phrasee đã quyết định cấm tạo ra các cụm từ có thể khuyến khích các hoạt động nguy hiểm trong thời gian giãn cách xã hội, những cụm từ như “trang phục dự tiệc”. Họ cũng đã quyết định hạn chế các thuật ngữ có thể dẫn đến lo lắng, như “hãy chuẩn bị tinh thần”, “thắt dây an toàn” hoặc “dự trữ”.

Cuộc khủng hoảng Covid-19 đã chứng minh rằng các sự kiện kỳ ​​​​lạ có thể loại bỏ ngay cả những mô hình được đào tạo chuyên sâu thường đáng tin cậy, vì mọi thứ có thể trở nên tồi tệ hơn nhiều so với các tình huống xấu nhất thường có trong dữ liệu đào tạo. Rajeev Sharma, Giám đốc điều hành của công ty tư vấn AI Pactera Edge, giải thích cho MIT Technology Review rằng các mô hình máy học có thể trở nên đáng tin cậy hơn bằng cách được đào tạo về các sự kiện kỳ ​​​​lạ như đại dịch Covid-19 và Đại suy thoái, bên cạnh các biến động lên và xuống thông thường.