大数据文摘作者：刘俊焕还记得半年前，你打开淘宝，看的是衣服吗？化妆品？或者你打算换个手机壳？疫情打乱了人们的生活计划，随着年初疫情逐渐升温，各大电商平台上的口罩往往秒断货，一些人养成了囤货的习惯。当疫情蔓延到国外时，这种变化也开始出现在欧美国家。Nozzle是一家总部位于伦敦的咨询公司，专门为亚马逊卖家提供算法广告，它敏锐地注意到了这一变化。疫情前，手机壳、充电器、乐高从未跌出亚马逊销量榜前十，但现在，这些短短几天就被挤出榜单，取而代之的是口罩、消毒液等。他们还画了一张疫情相关商品的变化图：4月12日至18日，亚马逊热搜前十位的关键词分别是：卫生纸、口罩、面罩、洗手液、纸巾、来苏喷雾、科尔湿巾、口罩、Lysol、抗菌口罩和N95口罩。新冠病毒的传播也可以从这些产品的成分中看出端倪。相关产品的销售首先在意大利达到顶峰，其次是西班牙、法国、加拿大和美国，其次是英国和德国。“在短短几天内发生了如此令人难以置信的转变，”Nozzle首席执行官RaelCline说。这种连锁反应也体现在整个零售供应链中。与此同时，人工智能也受到了影响，导致库存管理、欺诈检测和营销等算法出现“打嗝”（hiccups）。今天，基于人类正常行为的机器学习模型已经不能适应社会的变化。根据全球人工智能咨询公司文思海辉(PacteraEdge)的说法，“自动化正在下降”，一些员工表示，他们正在谨慎关注陷入困境的自动化系统，以便在需要时介入进行人工修正。从这次疫情中，我们也可以看出我们的生活与AI有多么紧密地交织在一起，但也暴露出一种微妙的依赖。我们行为的改变会改变AI的工作方式，而AI工作方式的改变，又会影响我们的行为。“当你身处与以往不同的环境中时，你永远不会坐下来忘记它，”克莱恩说。世界在变，数据也在变。一开始，机器模型是为了应对变化而设计的，但即使是现在，大多数模型仍然相当脆弱，尤其是当输入数据和训练数据之间的差距过大时，它们的表现会有所不同。很坏。PacteraEdge副总裁RajeevSharma表示，你认为你构建了一个AI系统就可以走人了？这是一种错误的做法。“人工智能是一个活生生的呼吸系统。”根据Sharma与几家公司的谈话结果，很多公司都在苦苦挣扎，因为AI不能及时纠正。一家向印度零售商供应酱料和调味品的公司表示，该公司一直依靠人工智能预测来准备订购库存，销售预测与实际销售额存在较大差异。当这种情况发生时，自动化库存管理系统迫切需要修复，但“人工智能从未被训练到如此极端”。在新闻领域，也出现了相关问题。某新闻网站利用AI评估文章的情感偏向，然后根据结果提供日常投资建议，但目前的新闻比平时更加??悲观，AI给出的建议也有失偏颇。机器模型出现问题的主要原因是，虽然越来越多的公司购买了相关系统，但缺乏维护系统所需的内部知识，如果要重新训练模型，可能需要专家级人员来进行。重建。在当前的危机中，即使与训练集中的最坏情况相比，现实也可能随时变得更糟。在Sharma看来，需要训练更多的AI。此外，培训内容应包括过去的“怪事”，如1930年代的大萧条、1987年的黑色星期一股市崩盘、2008年的金融危机等。“这些灾难是构建更好的机器学习模型的基础”。但即便如此，也很难做好万全准备。一般来说，如果机器学习系统没有看到它期望看到的东西，那就是出了问题。Featurespace是一家使用AI检测信用卡欺诈的行为分析公司，其创始人DavidExcell表示，令人惊讶的是，Featurespace没有看到自己的AI系统受到太多打击。在他们看来，人们仍然像以前一样在亚马逊上买东西。不过，订阅Netflix足以让人怀疑人们不会购买大件商品或在新地方花钱。Excell表示，该公司的工程师只需介入调整，以应对园艺设备和电动工具采购量的激增，这种采购的中间价异常值可能会被欺诈检测算法识别出来。“世界变了，数据也变了，”Excell说。人工智能急需修复，亚马逊也是如此。总部位于伦敦的Phrasee正忙于修补他们的AI系统。该公司使用自然语言处理和机器学习来代表客户生成电子邮件营销文案或Facebook广告，确保文案的基调恰到好处。工作中相当重要的一部分。在工作时，AI会生成大量短语并通过神经网络运行它们以选出最佳结果。不过，鉴于生成的语言存在出错的可能性，Phrasee也保持着让人类检查其输入输出的习惯。疫情爆发后，Phrasee意识到语言的使用需要比平时更加??敏感和准确，因此他们开始过滤额外的语言，禁止一些特定的短语，如“goingviral”，不允许涉及暂停活动的活动，如“partywear”，甚至删除了可能被解释为快乐或激动的表情符号，以及可能引发焦虑的词语，如“天哪”、“准备好”、“储备”、“振作起来”等。然而，作为整个零售业的一个小分支，许多公司无法与亚马逊竞争，但这也是最微妙的一点。随着亚马逊及其250万第三方卖家努力跟上市场需求，亚马逊正在对它的算法有助于为卖家分担负担。毕竟，亚马逊上的大多数第三方卖家都依赖亚马逊的算法来产生收入。卖家将产品存放在亚马逊仓库中，亚马逊处理所有物流，包括送货上门，过程ssing返回，等等。交易完成后，亚马逊对完成订单的卖家进行推广。例如，在亚马逊上搜索Switch后，顶部突出的“添加到购物篮”按钮旁边的结果更有可能是使用FBA的供应商，否则它们将在列表中排名靠后。但在过去几周，亚马逊的情况发生了180度大转弯。为了缓解库存压力，亚马逊的算法现在似乎更青睐能够自己发货的卖家。市场动荡不安，人为干预必不可少。如果没有人为干预，很难实现这种调整。“情况太不稳定了，上周算法工程师还在优化卫生纸，这周突然想买拼图或者健身用品了。”设备。”亚马逊对其算法所做的调整会影响其在在线广告上的支出。这些算法根据无数变量决定在广告上花费多少，但最终决定取决于用户对其价值的估计。有很多方法可以做到这一点。预测客户行为，包括有关过去购买的数据，以及广告公司根据不同人的在线活动提出建议。但现在，Cline说，要预测点击广告的人是否会购买产品，你可以做的最好的事情之一就是交货时间，Nozzle在与客户讨论调整算法时引用了这一点。例如，如果您认为自己无法比竞争对手更快地交付产品，那么花钱试图在广告拍卖中超过他们可能就不值得了。这一切只能由专业的团队来完成。克莱恩认为，目前的情况让很多人大开眼界。许多人认为自动化系统可以自行运行。“但实际上，你需要一个数据科学团队来连接社会事件和算法事件。算法永远不会主动挑出那些东西。”现在我们已经进入万物互联时代，从疫情中广泛感受到，也触及到更多典型时代还隐藏的机制。如果要找到一线希望，现在是盘点的时候了。新暴露的系统，想办法更好地设计它们，让它们更有弹性。如果机器要可信，我们需要对它们进行监督。【本文为专栏组织大数据文摘原文翻译，微信公众号》大数据文摘（id：BigDataDigest）》】点此查看作者更多好文
