Čo vznikne spojením reštaurácie a umelej inteligencie?
Podľa čoho by ste mohli sledovať ekonomický rozvoj oblasti či mesta, v ktorom bývate? A čo rozsiahle miliónové mestá, aké relevantné sú dáta a koľko pracovníkov musí vykonávať napr. sčítanie ľudu? Pomohla by umelá inteligencia pri sčítaní alebo existuje efektívnejší spôsob pomoci?
Čína
Veľa nových projektov využívajúcich neurónové siete či strojové učenie pochádza z ďalekej Ameriky. Nápad síce prišiel z Massachusetts Institute of Technology (MIT), ale zamerali sa na problémy na opačnom konci sveta – Čínu.
Čína má vysokú mieru urbanizácie a častokrát skúšali viacerí navrhnúť efektívnejšie metódy mapovania aktuálneho stavu života v mestách. Tentokrát v MIT zistili, že reštaurácie môžu byť smerodajným ukazovateľom pri ekonomickom aj sociálno-demografickom vývoji danej oblasti, mesta.
zdroj: skeeze, Pixabay
Využívanie týchto služieb je silno neregulovateľné a decentralizované, ovplyvnené bohatstvom obyvateľstva, zložením populácie a výdavkami spotrebiteľov. Preto možno doteraz nikomu nenapadlo zamerať sa na ne.
Trénovanie a výsledky
Na mikrodatasetoch z 9 čínskych miest trénovali model strojového učenia a aplikovali ho následne na veľkomestá. Pre ukazovatele si vybrali atribúty ako meno, zemepisná šírka a dĺžka, hodnotenie podľa chuti jedla, typ kuchyne danej reštaurácie, cena, hodnotenie prostredia, hodnotenie služieb, priemerné skóre a počet recenzií. Sledovali kompromis, aký sa dá dosiahnuť medzi presnosťou modelu, trénovacími vzorkami a vzdialenosťou zariadení. Pre dáta každého mesta použili LASSO regresiu a model založený na reštauráciách ako ukazovateli, bol následne užitočný pri plánovaní regionálnej politiky a rozvoji mesta. Tento model dokázal, že je presnejší než akékoľvek doterajšie vyskúšané metódy.
Zozbierali aj anonymné dáta o lokácii mobilných telefónov od vyše 53 milióna ľudí, záznamy zo ščítania ľudu aj o platobných kartách či záznamy z firiem. Samotné sčítanie obyvateľstva sa robí v Číne, tak ako u nás, raz za 10 rokov a výsledky môžu byť už po krátkom čase nerelevantné. Užitočnejšie sa javili dáta z aplikácií či internetových stránok, ktoré boli zadávané v reálnom čase.
zdroj: Fritz_the_Cat, Pixabay
Pozorovali, aká je denná a nočná zaľudnenosť, zmena v podnikoch a spotreba a práve zmeny týchto charakteristík dokáže model v rozmedzí 90-95 % predpovedať. Najpresnejší bol pre dennú aj nočnú zaľudnenosť, pre obe charakteristiky bola vo výške 95 %.
Budúcnosť modelu
Funkčný model je efektívny nástroj regionálnej politiky, ako plánovať napr. budúcu výstavbu. Nakoľko, ako spomína MIT, je to obojstranný vzťah. Prítomnosť vynikajúcej reštaurácie môže znamenať uspokojenie dopytu, ale aj naopak. Môže byť predzvesťou budúceho vývoja danej lokality. Nepochybujú, že by sa mohol ich model s umelou inteligenciou uplatniť aj v iných mestách, a to nie len v Číne.
Zdroj:
http://news.mit.edu/2019/urban-planners-restaurant-neighborhood-0715
