編譯／許守傑

疫情大流行期間，人們異常的突發行為使AI模型陷入了混亂，迫使我們必須從中介入來手動校正它們。

疫情改變人類行為

在2020年4月12日至18日的這一週當中，電商Amazon網站上搜尋量最高的前幾名關鍵字分別是：衛生紙、口罩、消毒洗手液、紙巾、Lysol消毒噴霧劑、Clorox濕紙巾、細菌防護口罩和N95口罩。此時恐慌的人們除了瘋狂搜尋外，也大量地購買這些產品，「口罩（50枚入）」一躍成為Amazon最新第一熱銷產品。

當Covid-19蔓延後，人們開始購買以前可能不會買的東西，這種突發轉變相當戲劇化──短短幾天內，Amazon以往前十名的中流砥柱，像是手機殼、手機充電器、樂高等紛紛跌出榜外。一家專門為Amazon上的賣家提供廣告諮詢服務的公司Nozzle便用一張圖表捕捉了此時的快速變化：

2020年2月20日至25日，各國Amazon網站上最常被搜尋的前十個關鍵字多與防疫相關（包含口罩、手部清潔液、消毒水等）。（圖片來源：Nozzle）

2月底時，與防疫相關的產品在不到一個禮拜內就佔據了各國Amazon搜尋關鍵字的前10名。透過數據，我們甚至可以從人們購買的商品來追踪疫情的蔓延──義大利的曲線首先達到頂峰，然後是西班牙、法國、加拿大和美國，英國和德國則較晚才開始攀升。

生病的AI

在全球大感冒之時，AI也無法倖免。由於機器學習的核心主要是統計模型，它們在面臨與訓練數據相差太大的輸入，也就是所謂的離群值（outlier）時，系統的性能表現大受影響，庫存管理、詐騙偵測、行銷等演算法都相繼出現問題。

印度一家醬料和調味品中盤商便因為爆增的訂單讓原先的自動庫存管理系統預測失靈；另一家公司使用AI預測輿情並根據結果來提供每日投資建議，也因為疫情關係變得十分不準確；更有一家大型串流媒體因為疫情突然湧入了大量訂閱戶，導致其推薦演算法的精確度也大受影響。

這些「跟不上時代」的機器學習模型，顯示人類生活已經與AI緊密地交織在一起，但也暴露出許多公司雖然導入了AI，但卻缺乏維護它們所需的專業知識。我們或許可以化危機為轉機，以這次疫情為契機建立更佳的機器學習系統，同時參考過去歷史上發生的風風雨雨──無論是1930年代的大蕭條、1987年的黑色星期一股市崩盤以及2007至2008年的金融危機等罕見重大事件──更新模型的訓練資料。

重新調整發條

總部位於倫敦的Phrasee是一家使用自然語言處理和機器學習，按客戶需求自動生成電子郵件行銷副本或Facebook廣告的公司。當Covid-19大流行後，他們意識到這樣的變化，並著手進行調整，例如：禁止使用如「病毒式傳播」之類的用語，也盡量避免可能牴觸官方防疫政策的關鍵字，例如「派對服裝」。希望透過這些舉措來降低客戶的風險與疑慮。

此外，疫情期間Amazon為了減低自身庫存的負擔，也調整其演算法來讓可以自行送貨的商家更容易取得訂單。這樣的做法也產生了連鎖反應，因為商家的送貨時間變成消費者考慮的重點，進而使得送貨時間也成為業者考量是否要在線上投放廣告的指標之一。因此某些專家認為這些現象只有通過專門的團隊密切關注才有可能發覺，以往的自動化系統必須搭配數據科學團隊，才能將世界上所發生的事情與演算法的邏輯連結起來。

2020年這場疫情恰好帶來一個契機，讓我們重新評估這些與生活息息相關的系統，檢視如何將它們設計得更好、更具彈性，才能讓人類與機器的結合帶來更美好的生活。

編譯來源
W. Heaven, “Our weird behavior during the pandemic is messing with AI models”, MIT Technology Review, 2020.
(本文由教育部補助「AI報報─AI科普推廣計畫」執行團隊編譯)

查看原始文章>
【全文轉載自科學Online】(CC BY-NC 4.0)
❤️～ 讓愛遠播    點亮他人 ～❤️

看更多影片