211service.com
Mūsu dīvainā uzvedība pandēmijas laikā ir sajaukta ar AI modeļiem
Getty
Nedēļā no 12. līdz 18. aprīlim 10 populārākie meklēšanas vienumi vietnē Amazon.com bija: tualetes papīrs, sejas maska, roku dezinfekcijas līdzeklis, papīra dvieļi, Lysol aerosols, Clorox salvetes, maska, Lysol, maskas aizsardzībai pret dīgļiem un N95 maska. . Cilvēki ne tikai meklēja, bet arī iepirka — un vairumā. Lielākā daļa cilvēku, kuri meklēja maskas, iegādājās jaunais Amazon #1 vislabāk pārdotais, sejas maska, iepakojums pa 50 .
Kad sākās Covid-19, mēs sākām pirkt lietas, ko nekad iepriekš nebijām pirkuši. Pārmaiņas bija pēkšņas: Amazon labāko desmitnieku galvenie balsti — tālruņu maciņi, tālruņu lādētāji, Lego — tika izsisti no topos tikai dažu dienu laikā. Nozzle, Londonā bāzēta konsultāciju kompānija, kas specializējas algoritmiskās reklāmās Amazon pārdevējiem, fiksēja straujās izmaiņas šajā vienkāršajā diagrammā.
Februāra beigās bija nepieciešama mazāk nekā nedēļa, līdz 10 populārākie Amazon meklēšanas vienumi vairākās valstīs piepildījās ar produktiem, kas saistīti ar Covid-19. Pandēmijas izplatību varat izsekot, pamatojoties uz to, ko mēs iepirkāmies: preces pirmo reizi sasniedza Itālijā, kam sekoja Spānija, Francija, Kanāda un ASV. Apvienotā Karaliste un Vācija nedaudz atpaliek. Tā ir neticama pāreja piecu dienu laikā, saka Raels Kliins, Nozzle izpilddirektors. Pulsācijas ietekme ir novērota visās mazumtirdzniecības piegādes ķēdēs.
Taču tie ir skāruši arī mākslīgo intelektu , izraisot žagas algoritmos, kas darbojas aizkulisēs krājumu pārvaldībā, krāpšanas atklāšanā, mārketingā un citur. Mašīnmācības modeļi, kas apmācīti normālā cilvēka uzvedībā, tagad atklāj, ka norma ir mainījusies, un daži vairs nedarbojas, kā vajadzētu.
Cik slikta ir situācija, ir atkarīgs no tā, ar ko jūs runājat. Saskaņā ar globālā mākslīgā intelekta konsultāciju uzņēmuma Pactera Edge teikto, automatizācija ir pēdējā posmā. Citi saka, ka viņi piesardzīgi uzrauga automatizētās sistēmas, kas tikai aizkavējas, vajadzības gadījumā veicot manuālu korekciju.
Skaidrs ir tas, ka pandēmija ir atklājusi, cik mūsu dzīve ir saistīta ar AI, atklājot smalku līdzatkarību, kurā izmaiņas mūsu uzvedībā maina AI darbību, un izmaiņas AI darbībā maina mūsu uzvedību. Tas ir arī atgādinājums, ka cilvēku iesaistīšanās automatizētajās sistēmās joprojām ir būtiska. Jūs nekad nevarat sēdēt un aizmirst, kad atrodaties šādos ārkārtējos apstākļos, saka Klins.
Vairāk par koronavīrusu
Mūsu vissvarīgākais Covid-19 pārklājums ir bezmaksas, tostarp:
Kas ir ganāmpulka imunitāte?
Kā darbojas koronavīruss?
Kādas ir iespējamās ārstēšanas metodes?
Kuras zāles darbojas vislabāk?
Kāds ir pareizais sociālās distancēšanās veids?
Citi bieži uzdotie jautājumi par koronavīrusu
---
Biļetens: Coronavirus Tech Report
Tālummaiņas raidījums: Radio Corona
Skatīt arī:
Viss mūsu Covid-19 pārklājums
Covid-19 īpašais izdevums
Lūdzu, noklikšķiniet šeit, lai abonētu un atbalstītu mūsu bezpeļņas žurnālistiku .
Mašīnmācības modeļi ir izstrādāti, lai reaģētu uz izmaiņām. Bet lielākā daļa ir arī trausli; tie darbojas slikti, ja ievades dati pārāk atšķiras no datiem, par kuriem tie tika apmācīti. Ir kļūdaini pieņemt, ka varat izveidot AI sistēmu un doties prom, saka Rajeev Sharma, Pactera Edge globālais viceprezidents: AI ir dzīvs, elpojošs dzinējs.
Šarma ir runājusi ar vairākiem uzņēmumiem, kas cīnās ar nepareizu AI. Vienam uzņēmumam, kas piegādā mērces un garšvielas mazumtirgotājiem Indijā, bija nepieciešama palīdzība automatizētās krājumu pārvaldības sistēmas labošanā, kad lielapjoma pasūtījumi pārkāpa prognozēšanas algoritmus. Sistēmas pārdošanas prognozes, uz kurām uzņēmums paļāvās, lai pārkārtotu krājumus, vairs neatbilda tam, kas faktiski tika pārdots. Tā nekad netika apmācīta uz šāda veida smaile, tāpēc sistēma bija novārtā, saka Šarma.
Cits uzņēmums izmanto AI, lai novērtētu ziņu rakstu noskaņojumu un, pamatojoties uz rezultātiem, sniedz ikdienas ieguldījumu ieteikumus. Taču, tā kā ziņas šobrīd ir drūmākas nekā parasti, padoms būs ļoti šķībs, saka Šarma. Viņš saka, ka lielam straumēšanas uzņēmumam, kuram ir bijis pēkšņs satura izsalkušu abonentu pieplūdums, ir arī problēmas ar ieteikumu algoritmiem. Uzņēmums izmanto mašīnmācīšanos, lai piedāvātu skatītājiem atbilstošu un personalizētu saturu, lai viņi turpinātu atgriezties. Taču pēkšņas izmaiņas abonentu datos padarīja sistēmas ieteikumus mazāk precīzus.
Daudzas no šīm problēmām ar modeļiem rodas tāpēc, ka arvien vairāk uzņēmumu pērk mašīnmācības sistēmas, taču tiem trūkst iekšējās zināšanas, kas nepieciešamas to uzturēšanai. Modeļa pārkvalificēšanai var būt nepieciešama eksperta cilvēka iejaukšanās.
Pašreizējā krīze ir arī parādījusi, ka lietas var pasliktināties nekā diezgan vaniļas sliktākā gadījuma scenāriji, kas iekļauti treniņu komplektos. Šarma uzskata, ka vairāk AI būtu jāapmāca ne tikai par pēdējo gadu kāpumiem un kritumiem, bet arī par tādiem dīvainiem notikumiem kā 1930. gadu Lielā depresija, Melnās pirmdienas akciju tirgus sabrukums 1987. gadā un 2007.–2008. gada finanšu krīze. Viņš saka, ka šāda pandēmija ir ideāls ierosinātājs, lai izveidotu labākus mašīnmācības modeļus.
Pat ja tā, jūs nevarat sagatavoties visam. Kopumā, ja mašīnmācības sistēma neredz to, ko tā gaida, jums būs problēmas, saka Deivids Eksels, Featuresspace dibinātājs, uzvedības analīzes uzņēmums, kas izmanto AI, lai atklātu krāpšanos ar kredītkartēm. Iespējams, pārsteidzoši, ka Featuresspace nav pieredzējis, ka AI ir skārusi pārāk slikti. Cilvēki joprojām pērk lietas vietnē Amazon un abonē Netflix, kā tas bija iepriekš, taču viņi nepērk lielas biļetes vai tērē jaunas vietas, kas var radīt aizdomas. Cilvēku tērēšanas uzvedība ir viņu veco paradumu samazināšanās, saka Excells.
Uzņēmuma inženieriem bija tikai jāiejaucas, lai pielāgotos to cilvēku skaita pieaugumam, kuri pērk dārza aprīkojumu un elektroinstrumentus, saka Excells. Šie ir vidējas cenas anomālie pirkumi, kurus var izmantot krāpšanas noteikšanas algoritmi. Es domāju, ka noteikti ir lielāka pārraudzība, saka Excells. Pasaule ir mainījusies, un dati ir mainījušies.
Pareiza toņa iegūšana
Londonā bāzētais Phrasee ir vēl viens AI uzņēmums, kas darbojas praktiski. Tas izmanto dabiskās valodas apstrādi un mašīnmācīšanos, lai savu klientu vārdā ģenerētu e-pasta mārketinga kopijas vai Facebook reklāmas. Pārliecināties, ka tas iegūst pareizo toni, ir daļa no tā darba. Tā AI darbojas, ģenerējot daudz iespējamo frāžu un pēc tam palaižot tās caur neironu tīklu, kas atlasa labākās frāzes. Taču, tā kā dabiskās valodas ģenerēšana var noiet ļoti nepareizi , Phrasee vienmēr liek cilvēkiem pārbaudīt, kas notiek tās AI iekšienē un iznāk no tās.
Kad skāra Covid-19, Phrasee saprata, ka var būt nepieciešama lielāka jutība nekā parasti, un sāka filtrēt papildu valodu. Uzņēmums ir aizliedzis noteiktas frāzes, piemēram, izplatību, un neatļauj valodu, kas attiecas uz atturošām darbībām, piemēram, ballīšu apģērbu. Tajā pat ir izmestas emocijzīmes, kuras var lasīt kā pārāk priecīgas vai pārāk satraucošas. Un tajā ir arī atcelti termini, kas var izraisīt trauksmi, piemēram, OMG, esiet gatavi, uzkrājiet krājumus un sagatavojieties. Cilvēki nevēlas, lai mārketings liktu viņiem justies nemierīgiem un bailīgiem — jūs zināt, ka šis darījums drīz beigsies, un tas rada spiedienu, saka uzņēmuma izpilddirektors Parijs Malms.
Tomēr kā mikrokosmosu mazumtirdzniecības nozarei kopumā jūs nevarat pārspēt Amazon. Šeit arī tiek veiktas dažas no vissmalkākajām aizkulišu korekcijām. Tā kā Amazon un tās atbalstītie 2,5 miljoni trešo pušu pārdevēju cīnās, lai apmierinātu pieprasījumu, tā veic nelielus algoritmus, lai palīdzētu sadalīt slodzi.
Lielākā daļa Amazon pārdevēju paļaujas uz Amazon, lai izpildītu savus pasūtījumus. Pārdevēji glabā savas preces Amazon noliktavā, un Amazon rūpējas par visu loģistiku, piegādi uz mājām un atgriešanas apstrādi. Pēc tam tas reklamē pārdevējus, kuru pasūtījumus tas izpilda pati. Piemēram, ja meklējat noteiktu preci, piemēram, Nintendo Switch, rezultāts, kas tiek parādīts augšpusē blakus pamanāmajai pogai Pievienot grozam, visticamāk, ir no pārdevēja, kurš izmanto Amazon loģistiku, nevis tādu, kas to nedara. 't.
Taču pēdējo nedēļu laikā Amazon to ir mainījis, saka Klins. Lai atvieglotu pieprasījumu pēc savām noliktavām, šķiet, ka tā algoritmi tagad vairāk reklamē pārdevējus, kuri paši veic piegādes.
Nepastāvīgi tirgi
Šāda veida regulēšanu būtu grūti izdarīt bez manuālas iejaukšanās. Situācija ir tik nepastāvīga, saka Klins. Pagājušajā nedēļā jūs mēģināt optimizēt tualetes papīru, un šonedēļ visi vēlas iegādāties puzles vai trenažieru zāles.
Pēc tam Amazon veiktajiem algoritmu uzlabojumiem ir ietekme uz algoritmiem, kurus pārdevēji izmanto, lai izlemtu, ko tērēt tiešsaistes reklāmai. Katru reizi, kad tiek ielādēta tīmekļa lapa ar reklāmām, notiek īpaši ātra izsole, kurā automatizētie solītāji savā starpā izlemj, kurš aizpildīs katru reklāmas lodziņu. Summa, ko šie algoritmi nolemj tērēt reklāmai, ir atkarīga no neskaitāmiem mainīgajiem lielumiem, taču galu galā lēmums ir balstīts uz aprēķinu par to, cik jūs, lapas acs āboli, esat viņiem vērti. Ir daudz veidu, kā prognozēt klientu uzvedību, tostarp ne tikai datus par jūsu iepriekšējiem pirkumiem, bet arī to, kādā vietā jūs ir ievietojuši reklāmu uzņēmumi, pamatojoties uz jūsu tiešsaistes darbībām.
Taču tagad viens no labākajiem prognozētājiem par to, vai kāds, kurš noklikšķinās uz reklāmas, iegādāsies jūsu produktu, ir tas, cik ilgs laiks būs nepieciešams, lai to piegādātu, saka Klins. Tātad Nozzle runā ar klientiem par viņu algoritmu pielāgošanu, lai to ņemtu vērā. Piemēram, ja domājat, ka nevarat piegādāt ātrāk nekā konkurents, iespējams, nav vērts mēģināt viņus pārsolīt reklāmu izsolē. No otras puses, ja zināt, ka jūsu konkurentam ir beigušies krājumi, varat doties uz lētām azartspēlēm, kuras viņi nesolīs.
Tas viss ir iespējams tikai ar īpašu komandu, kas seko līdzi lietām, saka Klins. Viņš uzskata, ka pašreizējā situācija ir atvērta daudziem cilvēkiem, kuri uzskatīja, ka visas automatizētās sistēmas varētu darboties pašas. Viņš saka, ka jums ir nepieciešama datu zinātnes komanda, kas var savienot to, kas notiek pasaulē, ar to, kas notiek algoritmos. Algoritms nekad neizlasītu dažas no šīm lietām.
Tā kā viss ir saistīts, pandēmijas ietekme ir jūtama tālu un plaši, aizkustinoši mehānismi, kas tipiskākos laikos paliek apslēpti. Ja mēs meklējam sudraba oderi, tad tagad ir pienācis laiks izvērtēt šīs nesen atklātās sistēmas un jautāt, kā tās varētu izveidot labāk, padarīt izturīgākas. Lai mašīnām varētu uzticēties, mums tās jāuzrauga.