7 يونيو 2018 Uber Technologies، Inc. قدم طلبًا لبراءة الاختراع الأمريكية
رقم 20180157984 بعنوان "
توقع حالة المستخدم باستخدام التعلم الآلي ".
يصف طلب براءة الاختراع نظام التعلم الذاتي (الشبكة العصبية) الذي يراقب باستمرار كيفية استخدام شخص معين لتطبيق Uber - ويحدد السلوك غير المعتاد لذلك الشخص. يتم تدريب النظام على عدد من إشارات الإدخال ، بما في ذلك:
- عدد الأخطاء المطبعية في النص ؛
- دقة النقر على الروابط والأزرار ؛
- زاوية إمالة الجهاز ؛
- سرعة المشي (ربما يتم أخذ البيانات بواسطة GPS) ؛
- سرعة إدخال البيانات ؛
- يوم الأسبوع ووقت اليوم ؛
- عنوان الراكب
على الرغم من أن طلب البراءة لا يتحدث عن الغرض المحدد للنظام ، إلا أنه يمكن افتراضه من معلمات التدريب للشبكة العصبية التي ينبغي تحديدها تحديدًا. على ما يبدو ، نحن نتحدث عن التعرف على الركاب الثملون.
يحتوي طلب البراءة على جدول يتضمن أمثلة على قيم مختلفة لبيانات الإدخال - والنتيجة التي ينتجها النظام في العمود "تحديد حالة المستخدم غير العادية" (1 أو 0). ربما قامت Uber بالفعل باختبار نموذج التعلم الآلي - ويشير طلب البراءة إلى النتائج الحقيقية لعملها.
النتائج في الجدول تشبه حقًا نتائج شبكة عصبية حقيقية ، لأنها ليست واضحة دائمًا. على سبيل المثال ، يقوم المستخدم رقم 5 بجمع البيانات بسرعة وبدقة ، بينما يتحرك بسرعة متوسطة. لكن النظام لا يزال ينسبها إلى حالة "غير عادية" (النتيجة 1). من المحتمل أن يكون وزن وقت المكالمة ويوم الأسبوع كبيرًا (السبت ، 1:38 صباحًا). وبعبارة أخرى ، من الصعب جدًا في يوم السبت في مثل هذا الوقت أن تثبت للشبكة العصبية أنك رصين.
إذا تم تنفيذ النظام ، فعند استلام الطلب للسائق ، كمعلومات داعمة ، قد يتم عرض تحذير بأن الطلب قد وصل من الراكب مع "كفاية منخفضة". وبناءً على ذلك ، يمكن للسائق إما الموافقة على هذه الرحلة أو رفضها.
يمكن الافتراض أيضًا أن الشركة ستحاول تقديم تعريف خاص متزايد لنقل الركاب في حالة سكر.
صحيح أن الأساليب تتبادر إلى الذهن على الفور حول كيفية خداع النظام. على سبيل المثال ، قد يطلب المستخدم من صديق رصين أن يقدم طلبًا من التطبيق بحيث لا يعرضه النظام عليه بمعدل أعلى. قد تظهر برامج الروبوت الخاصة - البرامج التي تستدعي سيارة أجرة بشكل مستقل في Uber ، على سبيل المثال ، عن طريق أمر صوتي للمستخدم. في هذه الحالة ، سيعطي عدد من إشارات الإدخال صورة مشوهة: سيكون عدد الأخطاء المطبعية في النص صفرًا ، وستكون دقة النقر على الروابط والأزرار مثالية ، وسيكون الوقت بين فتح برنامج واستدعاء سيارة أجرة ضئيلًا.
ومع ذلك ، لا يمكن إخفاء معلمات الإدخال الأخرى. على سبيل المثال ، إذا اتصل شخص بسيارة أجرة في ليلتين ، أو كان بداخل أو بالقرب من مؤسسة شرب ، فيمكن لسائق سيارة أجرة استخلاص الاستنتاجات الصحيحة حتى بدون أي شبكة عصبية.
تنص البراءة صراحة على أن استنتاجات الشبكة العصبية تؤثر على الخدمة التي تقدمها Uber للمستخدم. يمكن تحذير السائقين من حالة الراكب. يقول طلب البراءة إذا كان "احتمال حالة غير عادية للراكب مرتفعًا نسبيًا" ، فلن يذهب طلبه إلى المجموعة العامة ، ولكن سيتم إرساله فقط للسائقين "من ذوي الخبرة أو التدريب المناسبين".
بالنسبة لسائقي أوبر ، يعد العمل مع الركاب المخمورين أحد أوجه القصور الرئيسية في أنشطتهم المهنية. إذا كان بإمكان سائق التاكسي العادي في القرن الماضي أن يفرح بهذا الراكب ، لأنه وعده بدخل إضافي ، فعندئذ في النظام الآلي لتخطيط الطريق ، والرسوم والمدفوعات غير النقدية أوبر ، من الصعب جدًا الحصول على أموال إضافية من راكب مخمور. لذلك ، يبدو أن إدخال تعريفة زائدة في حالة التسمم مبرر تمامًا.
"سيكون أمرا رائعا إذا حصل السائقون على أموال إضافية لنقل الركاب في حالة سكر.
قال هاري كامبل ، مؤلف مدونة RideShare Guy: "ليس هناك فرق كبير [بين الركاب المخمورين والواقعيين] ، ولكن بالتأكيد يتم إضافة شعر السائق بعد عشرات هذه الرحلات".