211service.com
Mūsų keistas elgesys pandemijos metu yra sumaišytas su AI modeliais
Getty
Balandžio 12–18 d., 10 populiariausių Amazon.com paieškos terminų buvo: tualetinis popierius, veido kaukė, rankų dezinfekavimo priemonė, popieriniai rankšluosčiai, purškalas 'Lysol', servetėlės Clorox, kaukė, 'Lysol', kaukės apsaugai nuo mikrobų ir N95 kaukė. . Žmonės ne tik ieškojo, bet ir pirko – ir masiškai. Dauguma žmonių, ieškančių kaukių, galiausiai nusipirko nauja „Amazon“ Nr. 1 geriausiai parduodama, veido kaukė, 50 vnt .
Kai užklupo COVID-19, pradėjome pirkti daiktus, kurių anksčiau niekada nepirkome. Pokytis buvo staigus: „Amazon“ dešimtuko pagrindiniai elementai – telefonų dėklai, telefonų įkrovikliai, „Lego“ – vos per kelias dienas buvo išmušti iš topų. Londone įsikūrusi konsultacijų įmonė „Nozzle“, kurios specializacija yra „Amazon“ pardavėjų algoritminė reklama, užfiksavo greitus pokyčius šioje paprastoje diagramoje.
Vasario pabaigoje prireikė mažiau nei savaitės, kol 10 populiariausių „Amazon“ paieškos terminų keliose šalyse pasipildė su COVID-19 susijusiais produktais. Pandemijos plitimą galite sekti pagal tai, ką pirkome: prekių pirmauja Italijoje, po to Ispanijoje, Prancūzijoje, Kanadoje ir JAV. JK ir Vokietija šiek tiek atsilieka. Tai neįtikėtinas perėjimas per penkias dienas, sako Rael Cline, Nozzle generalinis direktorius. Ribos poveikis buvo pastebėtas visose mažmeninės prekybos tiekimo grandinėse.
Tačiau jie taip pat paveikė dirbtinį intelektą , sukeldami trikdžių algoritmuose, kurie veikia atsargų valdymo, sukčiavimo nustatymo, rinkodaros ir kt. užkulisiuose. Mašininio mokymosi modeliai, parengti pagal įprastą žmogaus elgesį, dabar pastebi, kad įprastas dalykas pasikeitė, o kai kurie nebeveikia taip, kaip turėtų.
Kokia bloga situacija, priklauso nuo to, su kuo kalbi. Pasak pasaulinės dirbtinio intelekto konsultacijų bendrovės „Pactera Edge“, automatizavimas slenka į priekį. Kiti sako, kad jie atsargiai stebi automatizuotas sistemas, kurios tiesiog atsilaiko ir prireikus taiko rankiniu būdu.
Akivaizdu, kad pandemija atskleidė, kaip mūsų gyvenimas yra susipynęs su AI, atskleidė subtilią priklausomybę, kai mūsų elgsenos pokyčiai keičia AI veikimą, o DI veikimo pokyčiai – mūsų elgesį. Tai taip pat primena, kad žmogaus dalyvavimas automatizuotose sistemose išlieka labai svarbus. Jūs niekada negalite sėdėti ir pamiršti, kai esate tokiomis nepaprastomis aplinkybėmis, sako Cline.
Daugiau apie koronavirusą
Mūsų svarbiausias COVID-19 draudimas yra nemokamas, įskaitant:
Kas yra bandos imunitetas?
Kaip veikia koronavirusas?
Kokie galimi gydymo būdai?
Kokie vaistai veikia geriausiai?
Koks yra teisingas socialinio atsiribojimo būdas?
Kiti dažnai užduodami klausimai apie koronavirusą
---
Naujienlaiškis: Coronavirus Tech Report
Priartinimo laida: „Radio Corona“.
Taip pat žiūrėkite:
Visa mūsų Covid-19 aprėptis
Specialusis COVID-19 numeris
Spustelėkite čia, kad užsiprenumeruotumėte ir paremtumėte mūsų ne pelno siekiančią žurnalistiką .
Mašininio mokymosi modeliai sukurti taip, kad reaguotų į pokyčius. Tačiau dauguma taip pat yra trapūs; jie veikia prastai, kai įvesties duomenys per daug skiriasi nuo duomenų, kuriais jie buvo mokomi. Klaidinga manyti, kad galite sukurti AI sistemą ir išeiti, sako Rajeev Sharma, pasaulinis „Pactera Edge“ viceprezidentas: AI yra gyvas, kvėpuojantis variklis.
Sharma kalbėjosi su keliomis kompanijomis, kovojančiomis su nepaprastu AI. Vienai įmonei, tiekiančiai padažus ir pagardus mažmenininkams Indijoje, prireikė pagalbos taisant automatinę atsargų valdymo sistemą, kai masiniai užsakymai sulaužė jos nuspėjimo algoritmus. Sistemos pardavimo prognozės, kuriomis įmonė rėmėsi perskirstydama atsargas, nebeatitiko to, kas iš tikrųjų buvo parduota. Jis niekada nebuvo treniruotas ant tokio smaigalio, todėl sistema buvo sugedusi, sako Sharma.
Kita įmonė naudoja dirbtinį intelektą, kad įvertintų naujienų straipsnių nuotaikas ir, remdamasi rezultatais, kasdien teikia investicijų rekomendacijas. Tačiau kadangi naujienos šiuo metu yra niūresnės nei įprastai, patarimai bus labai iškreipti, sako Sharma. Jis sako, kad didelė srautinio perdavimo įmonė, kuri staiga priplūdo turinio ištroškusių abonentų, taip pat turi problemų dėl rekomendacijų algoritmų. Bendrovė naudoja mašininį mokymąsi, kad pasiūlytų žiūrovams aktualų ir suasmenintą turinį, kad jie nuolat sugrįžtų. Tačiau dėl staigaus abonento duomenų pasikeitimo sistemos rekomendacijos tapo mažiau tikslios.
Daugelis šių problemų, susijusių su modeliais, kyla dėl to, kad vis daugiau įmonių perka mašininio mokymosi sistemas, tačiau jiems trūksta vidinių žinių, reikalingų joms prižiūrėti. Perkvalifikuojant modelį gali prireikti specialisto įsikišimo.
Dabartinė krizė taip pat parodė, kad viskas gali pablogėti nei gana vaniliški blogiausio atvejo scenarijai, įtraukti į treniruočių rinkinius. Sharma mano, kad daugiau dirbtinio intelekto turėtų būti mokomi ne tik apie pastarųjų kelerių metų pakilimus ir nuosmukius, bet ir apie keistus įvykius, tokius kaip Didžioji XX amžiaus trečiojo dešimtmečio depresija, 1987 m. Juodojo pirmadienio akcijų rinkos žlugimas ir 2007–2008 m. finansų krizė. Pasak jo, tokia pandemija yra puikus veiksnys kuriant geresnius mašininio mokymosi modelius.
Nepaisant to, viskam pasiruošti negali. Apskritai, jei mašininio mokymosi sistema nemato to, ko tikisi, turėsite problemų, sako Davidas Excellas, elgsenos analizės bendrovės, kuri naudoja dirbtinį intelektą apgaulei kredito kortelėmis nustatyti, įkūrėjas. Turbūt stebėtina, kad „Featuresspace“ nepastebėjo, kad AI nukentėjo per daug. Žmonės vis dar perka daiktus „Amazon“ ir prenumeruoja „Netflix“ taip, kaip buvo anksčiau, tačiau jie neperka brangių prekių ir neišlaidauja naujose vietose, o tai gali sukelti įtarimų. Žmonių išlaidų elgesys yra jų senų įpročių susitraukimas, sako Excell.
Įmonės inžinieriai turėjo tik įsikišti, kad prisitaikytų prie žmonių, perkančių sodo įrangą ir elektrinius įrankius, padidėjimo, sako Excell. Tai yra vidutinės kainos neįprasti pirkiniai, kuriuos gali atimti sukčiavimo aptikimo algoritmai. Manau, kad yra daugiau priežiūros, sako Excell. Pasaulis pasikeitė, pasikeitė ir duomenys.
Tinkamas tonas
Londone įsikūrusi „Phrasee“ yra dar viena DI įmonė, kuri dirba praktiškai. Jis naudoja natūralios kalbos apdorojimą ir mašininį mokymąsi, kad sukurtų el. pašto rinkodaros kopiją arba „Facebook“ skelbimus savo klientų vardu. Užtikrinti, kad tonas būtų tinkamas, yra jos darbo dalis. Jo AI veikia generuodama daug galimų frazių ir paleisdama jas per neuroninį tinklą, kuris atrenka geriausias. Tačiau kadangi natūralios kalbos generavimas gali suklysti, Phrasee visada leidžia žmonėms patikrinti, kas patenka į jos AI ir kas išeina iš jos.
Kai užklupo COVID-19, Phrasee suprato, kad gali prireikti daugiau jautrumo nei įprastai, ir pradėjo filtruoti papildomą kalbą. Bendrovė uždraudė konkrečias frazes, pvz., populiarumą, ir neleidžia žodžių, kuriuose kalbama apie neskatinamą veiklą, pvz., vakarėlių aprangą. Jame netgi buvo panaikintos jaustukai, kurie gali būti perskaityti kaip per daug linksmi arba per daug nerimą keliantys. Taip pat atsisakė terminų, galinčių sukelti nerimą, pvz., OMG, būkite pasiruošę, kaupkite atsargas ir pasitvirtinkite. Žmonės nenori, kad rinkodara priverstų juos jausti nerimą ir baimę – žinote, kad šis sandoris tuoj baigsis, spaudžiamas spaudimas, sako įmonės generalinis direktorius Parry Malm.
Tačiau jūs negalite įveikti „Amazon“ kaip mažmeninės prekybos pramonės mikrokosmoso. Čia taip pat atliekami kai kurie subtiliausi užkulisiniai koregavimai. Kadangi „Amazon“ ir jos remiami 2,5 mln. trečiųjų šalių pardavėjų stengiasi patenkinti paklausą, ji atlieka nedidelius savo algoritmų pakeitimus, kad padėtų paskirstyti apkrovą.
Daugelis „Amazon“ pardavėjų pasitiki „Amazon“, kad įvykdytų savo užsakymus. Pardavėjai savo prekes saugo „Amazon“ sandėlyje, o „Amazon“ rūpinasi visa logistika, pristatymu į žmonių namus ir grąžinimo tvarkymu. Tada ji reklamuoja pardavėjus, kurių užsakymus vykdo pati. Pavyzdžiui, jei ieškote konkrečios prekės, pvz., „Nintendo Switch“, rezultatas, rodomas viršuje, šalia gerai žinomo mygtuko „Pridėti į krepšelį“, greičiausiai bus iš pardavėjo, kuris naudoja „Amazon“ logistiką, nei to, kuris to nedaro. ne.
Tačiau per pastarąsias kelias savaites „Amazon“ tai pakeitė, sako Cline. Siekdama palengvinti savo sandėlių paklausą, jos algoritmai dabar labiau linkę skatinti pardavėjus, kurie patys tvarko savo pristatymus.
Nepastovios rinkos
Tokį reguliavimą būtų sunku atlikti be rankinio įsikišimo. Padėtis tokia nepastovi, sako Cline. Praėjusią savaitę bandote optimizuoti tualetinį popierių, o šią savaitę visi nori nusipirkti galvosūkių ar sporto salės įrangos.
„Amazon“ atliekami savo algoritmų patobulinimai daro įtaką algoritmams, kuriuos pardavėjai naudoja nuspręsdami, ką išleisti reklamai internete. Kiekvieną kartą, kai įkeliamas tinklalapis su skelbimais, vyksta itin greitas aukcionas, kuriame automatiniai konkurso dalyviai nusprendžia, kas užpildys kiekvieną skelbimo laukelį. Suma, kurią šie algoritmai nusprendžia išleisti skelbimui, priklauso nuo daugybės kintamųjų, tačiau galiausiai sprendimas grindžiamas įvertinimu, kiek jūs, puslapio akies obuoliai, esate jiems verti. Yra daug būdų, kaip numatyti klientų elgesį, įskaitant ne tik duomenis apie jūsų ankstesnius pirkinius, bet ir informaciją, į kurią reklamos įmonės įtraukė jus, remdamosi jūsų veikla internete.
Tačiau dabar vienas iš geriausių prognozių, ar kas nors, paspaudęs reklamą, nusipirks jūsų produktą, yra tai, kiek laiko užtruks jį pristatyti, sako Cline. Taigi Nozzle kalbasi su klientais apie tai, kaip pakoreguoti savo algoritmus, kad į tai būtų atsižvelgta. Pavyzdžiui, jei manote, kad negalite pristatyti greičiau nei konkurentas, galbūt neverta bandyti viršyti jų kainos skelbimų aukcione. Kita vertus, jei žinote, kad jūsų konkurento atsargos baigėsi, galite pigiai žaisti azartinius lošimus, kurių jis nesiūlys.
Visa tai įmanoma tik su specialia komanda, kuri stebi dalykus, sako Cline. Jis mano, kad dabartinė situacija atveria akis daugeliui žmonių, kurie manė, kad visos automatizuotos sistemos gali veikti pačios. Jums reikia duomenų mokslo komandos, kuri galėtų susieti tai, kas vyksta pasaulyje, su tuo, kas vyksta algoritmuose, sako jis. Algoritmas niekada neatrinktų kai kurių šių dalykų.
Kadangi viskas susiję , pandemijos poveikis buvo jaučiamas toli ir plačiai, paliečiantys mechanizmai, kurie tipiškesniais laikais lieka paslėpti. Jei ieškome sidabrinio pamušalo, dabar pats laikas įvertinti tas naujai atskleistas sistemas ir paklausti, kaip jas būtų galima suprojektuoti geriau, padaryti atsparesnes. Jei mašinomis norime pasitikėti, turime jas prižiūrėti.