Áprilisra radikálisan átalakult az Amazon.com keresési toplistája. Mind a tíz legnépszerűbb keresőkifejezés teljesen új volt: WC-papír, arcmaszk, kézfertőtlenítő, papírtörlő, Lysol spray, Clorox tisztítószerek, maszk, Lysol, bakteriális fertőzés ellen védő maszk, N95 maszk. A korábbi toplistás termékek (telefontok, telefontöltő, Lego stb.) ezzel párhuzamosan szinte teljesen eltűntek. A legkelendőbb termék egyébként egy 50 darabos arcmaszk-csomag volt.
Csak az volt a probléma, hogy a vásárlói preferenciák szinte egyik napról a másikra változtak meg. A MIT Technology Review idézi a londoni Nozzle tanácsadó cég grafikonját, amely érzékletesen mutatja a változást (lásd a lenti képet). Jól látszik, hogy több országban kevesebb mint egy hét alatt átvették a keresési toplista első tíz helyét a koronavírussal kapcsolatos kifejezések.
Az MI ennél kicsit lomhább
Ez teljesen megzavarta a kereskedelmi folyamatokat segítő mesterséges intelligencia (MI) algoritmusokat. A készletgazdálkodásban, a csalásfelderítésben, a marketingben stb. egyaránt voltak fennakadások.
Volt, aki már katasztrófát vizionált, mások szerint a helyzet jól kezelhető azzal, hogy időnként kézzel kiigazítják az MI-alapú automatizált rendszereket. Abban azonban nem volt vita, hogy most vált egyértelművé, mennyire szorosan épült be életünkbe az MI. Ha viselkedésünk megváltozik, az hat az MI működésére – ám ugyanígy működik visszafelé is: az MI működésének változása megváltoztatja a viselkedésünket.
Az is kiderült: az MI egyelőre messze van attól, hogy magára lehessen hagyni. Hiába tervezték a gépi tanulási modelleket úgy, hogy reagáljanak a változásokra, az alkalmazkodáshoz kell a segítség. A jelenlegi MI-ket általában megzavarja, ha a bemeneti adatok radikálisan különböznek attól az adatkészlettől, amin tanították. Volt olyan online kereskedelmi vállalat, ahol például folyamatosan módosítani kellett az előrejelző rendszerük eredményeit, mert feketén-fehéren látszott, hogy egészen másra van a piacon kereslet, mint amit korábban nagy tömegben tudtak értékesíteni, és ami alapján az algoritmus ajánlásokat tett.
De nem csak a kereskedelem volt meglőve. Egy befektetési ajánlatokat MI segítségével készítő cég amiatt került nehéz helyzetbe, mert gyorsan és radikálisan változott meg a hírek témája és szerkezete, amiknek MI-alapú elemzése alapján az ajánlatok születtek. A bemeneti adatok változása miatt az algoritmus rendre torz eredményeket adott.
Több nagy streaming cég ajánlórendszere is csődöt mondott, mert sem tudott mit kezdeni a hirtelen rázúduló felhasználók tömegeivel.
Folyamatosan kell tanítani
Az MTI lapja szerint a modellekkel azért volt ennyi probléma, mert a cégeknek nincs sem know-how-ja, sem kapacitása a gépi tanulási rendszerek karbantartására, pedig a modell átképzéséhez szinte mindig kell szakértő emberi beavatkozás.
Egy a lapnak nyilatkozó MI-szakértő szerint az algoritmusokat olyan korszakok adatain kellene tréningeztetni, mint az 1929-33-as nagy gazdasági világválság, a Fekete Hétfő néven elhíresült 1987-es tőzsdekrach vagy a 2007-2008-as pénzügyi válság. És most már ebbe a sorba felzárkózhat a globális koronavírus-járvány is. Ezeknek a korszakoknak az adataival jobb gépi tanulási modelleket lehetne felépíteni.
Azok a cégek, melyek most sikeresen kezelték a helyzetet, szinte mind szigorú emberi felügyeletet alkalmaznak, és időben "újratanították" a rendszereiket. Egy londoni cég természetesnyelv-feldolgozási és a gépi tanulási algoritmusokat használ email-marketinges szövegek és facebookos hirdetések létrehozására. Az MI generál mondatokat, majd egy neurális hálózat kiválasztja közülük a legjobban hangzót. Az MI döntéseit azonban mindig emberek ellenőrzik. A cég így vette észre, hogy a koronavírus-járvány miatt módosítani kell a modelleket. Eleve ki kell iktatni olyan szavakat a hirdetésekből, melyek valami miatt nem PC-k a járványhelyzetben (pl. vírussal kapcsolatos kifejezések, tiltott tevékenységre, pl. összejövetelekre, szélsőséges érzelmek utaló szavak).
Mindig kell adattudományi csapat is az MI mellé, mert csak az ember tudja összekapcsolni a világban zajló eseményeket az algoritmusok működésével – foglalta össze a járvány tanulságait a lapnak egy MI-szakértő.
A NIS2-megfelelőség néhány technológiai aspektusa
A legtöbb vállalatnál a megfeleléshez fejleszteni kell a védelmi rendszerek kulcselemeit is.
CIO KUTATÁS
TECHNOLÓGIÁK ÉS/VAGY KOMPETENCIÁK?
Az Ön véleményére is számítunk a Corvinus Egyetem Adatelemzés és Informatika Intézetével közös kutatásunkban »
Kérjük, segítse munkánkat egy 10-15 perces kérdőív megválaszolásával!
Nyílt forráskód: valóban ingyenes, de használatának szigorú szabályai vannak