Các mô hình AI gặp khó khăn trong việc dự đoán hành vi không thường xuyên của con người trong đại dịch Covid-19

Các công ty bán lẻ và dịch vụ trên toàn thế giới sử dụng các thuật toán AI để dự đoán hành vi của khách hàng, quản lý hàng tồn kho, ước tính tác động của tiếp thị và phát hiện các trường hợp gian lận có thể xảy ra. Các mô hình học máy được sử dụng để thực hiện những dự đoán này được đào tạo trên các mẫu được rút ra từ hoạt động hàng ngày bình thường của con người. Thật không may, hoạt động hàng ngày của chúng ta đã thay đổi trong đại dịch coronavirus, và như MIT Technology Review đã báo cáo, các mô hình học máy hiện tại đang bị ảnh hưởng bởi sự thay đổi đột ngột trong hành vi của con người trong vài tuần qua.

Khi đại dịch coronavirus xảy ra, thói quen mua sắm của người dân đã thay đổi đáng kể. Trước khi đại dịch bắt đầu, các vật dụng được mua nhiều nhất là những thứ như vỏ điện thoại, bộ sạc điện thoại, tai nghe, đồ dùng nhà bếp. Sau khi đại dịch bắt đầu, các thuật ngữ tìm kiếm hàng đầu của Amazon trở thành những thứ như Clorox wipes, Lysol spray, giấy vệ sinh, nước rửa tay, mặt nạ và giấy vệ sinh. Trong suốt tuần cuối cùng của tháng 2, các tìm kiếm hàng đầu của Amazon đều liên quan đến sản phẩm mà người dân cần để tự bảo vệ mình khỏi Covid-19. Sự tương quan giữa tìm kiếm/sản phẩm liên quan đến Covid-19 và sự lây lan của bệnh là rất đáng tin cậy, đến mức nó 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 bất ổn của tình hình đã khiến việc tự động hóa chuỗi cung ứng và hàng tồn kho trở nên khó khăn. Rael Cline, CEO 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 về giấy vệ sinh từ một tuần trước, trong khi “tuần này mọi người muốn mua đồ chơi ghép hình hoặc thiết bị tập thể dục”.

Các công ty khác cũng có những vấn đề riêng. Một công ty cung cấp các khuyến nghị đầu tư dựa trên cảm xúc của các bài báo, nhưng vì cảm xúc của các bài báo hiện tại thường bi quan hơn bình thường, lời khuyên đầu tư có thể bị thiên vị nặng nề về phía tiêu cực. Trong khi đó, một công ty truyền hình trực tuyến sử dụng các thuật toán khuyến nghị để gợi ý nội dung cho người xem, nhưng khi nhiều người đăng ký dịch vụ đột ngột, các khuyến nghị của họ bắt đầu không chính xác. Một công ty khác chịu trách nhiệm cung cấp các loại nước sốt và gia vị cho các nhà bán lẻ ở Ấn Độ đã phát hiện ra rằng các đơn đặt hàng 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 đơn giản là sửa đổi ước tính của họ xuống. Người dân 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 lớn. Theo một cách nào đó, hành vi chi tiêu của con người có thể được coi là sự co lại của hành vi bình thường của họ.

Các công ty khác đã phải trực tiếp hơn với các mô hình của họ và có các kỹ sư thực hiện các điều chỉnh quan trọng đối với mô hình và dữ liệu đào tạo của nó. Ví dụ, Phrasee là một công ty AI sử dụng các mô hình xử lý và tạo ngôn ngữ tự nhiên để tạo bản sao và quảng cáo cho nhiều khách hàng. Phrasee luôn có các kỹ sư kiểm tra văn bản mà mô hình tạo ra, và công ty đã bắt đầu lọc thủ công các cụm từ nhất định trong bản sao của họ. 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, các cụm từ như “đồ trang trí tiệc”. Họ cũng đã quyết định hạn chế các thuật ngữ có thể dẫn đến lo lắng, như “chuẩn bị sẵn”, “cố gắng” hoặc “tích trữ”.

Crisis Covid-19 đã chứng minh rằng các sự kiện bất thường có thể làm hỏng thậm chí các mô hình được đào tạo cao và thường đáng tin cậy, vì mọi thứ có thể trở nên tồi tệ hơn các kịch bản tồi tệ nhất được bao gồm trong dữ liệu đào tạo. Rajeev Sharma, CEO của công ty tư vấn AI Pactera Edge, giải thích với MIT Technology Review rằng các mô hình học máy có thể được làm cho đáng tin cậy hơn bằng cách được đào tạo trên các sự kiện bất thường như đại dịch Covid-19 và Đại khủng hoảng, ngoài các biến động thông thường lên xuống.