उबेर न्यूरल नेटवर्क उपयोगकर्ताओं को "असामान्य" अवस्था में पहचानता है

7 जून, 2018 उबेर टेक्नोलॉजीज, इंक। यूएस पेटेंट नंबर 20180157984 के लिए " मशीन सीखने का उपयोग करके उपयोगकर्ता की स्थिति का पूर्वानुमान लगाने " के लिए एक आवेदन दायर किया।

एक पेटेंट एप्लिकेशन एक स्व-शिक्षण प्रणाली (तंत्रिका नेटवर्क) का वर्णन करता है जो लगातार निगरानी रखता है कि कोई व्यक्ति Uber एप्लिकेशन का उपयोग कैसे करता है - और उस व्यक्ति के लिए असामान्य व्यवहार की पहचान करता है। सिस्टम को कई इनपुट संकेतों पर प्रशिक्षित किया जाता है, जिनमें शामिल हैं:

• पाठ में टाइपो की संख्या;
• लिंक और बटन पर क्लिक करने की सटीकता;
• डिवाइस झुकाव कोण;
• चलने की गति (शायद डेटा जीपीएस द्वारा लिया गया है);
• डेटा प्रविष्टि की गति;
• सप्ताह का दिन और दिन का समय;
• यात्री का पता

यद्यपि पेटेंट आवेदन प्रणाली के विशिष्ट उद्देश्य के बारे में नहीं बोलता है, यह तंत्रिका नेटवर्क के प्रशिक्षण मापदंडों से माना जा सकता है कि इसे विशेष रूप से पहचानना चाहिए। जाहिर है, हम भारी नशे में यात्रियों की पहचान करने के बारे में बात कर रहे हैं।

पेटेंट आवेदन में इनपुट डेटा के विभिन्न मूल्यों के उदाहरणों के साथ एक तालिका होती है - और परिणाम है कि सिस्टम "असामान्य उपयोगकर्ता स्थिति की पहचान" कॉलम में उत्पन्न करता है (1 या 0)। शायद उबर ने मशीन सीखने के मॉडल का वास्तव में परीक्षण किया है - और पेटेंट आवेदन इसके काम के वास्तविक परिणामों को इंगित करता है।



तालिका में परिणाम वास्तव में एक वास्तविक तंत्रिका नेटवर्क के परिणामों के समान हैं, क्योंकि वे हमेशा स्पष्ट नहीं होते हैं। उदाहरण के लिए, उपयोगकर्ता संख्या 5 औसत गति से आगे बढ़ते हुए, जल्दी और सही तरीके से डेटा एकत्र करता है। लेकिन सिस्टम अभी भी इसे "असामान्य" स्थिति (परिणाम 1) बताता है। संभवतः कॉल का समय और सप्ताह का दिन बहुत अधिक वजन (शनिवार, दोपहर 1:38 बजे) है। दूसरे शब्दों में, शनिवार को ऐसे समय में तंत्रिका नेटवर्क को साबित करना बहुत मुश्किल है कि आप शांत हैं।

यदि सिस्टम लागू हो जाता है, तो ड्राइवर को आदेश की प्राप्ति पर, एक सहायक जानकारी के रूप में, एक चेतावनी प्रदर्शित की जा सकती है कि यात्री संभावित रूप से "कम पर्याप्तता" के साथ ऑर्डर से आया है। तदनुसार, ड्राइवर या तो इस तरह की यात्रा के लिए सहमत हो सकता है, या इसे मना कर सकता है।

यह भी माना जा सकता है कि कंपनी नशे में यात्रियों के परिवहन के लिए एक विशेष बढ़ी हुई टैरिफ पेश करने की कोशिश करेगी।

सच है, तरीके तुरंत दिमाग में आते हैं कि सिस्टम को कैसे ट्रिक किया जाए। उदाहरण के लिए, एक उपयोगकर्ता एक शांत दोस्त को आवेदन से एक आदेश देने के लिए कह सकता है ताकि सिस्टम उसे उच्च दर पर जाने की पेशकश न करे। विशेष बॉट दिखाई दे सकते हैं - प्रोग्राम जो स्वतंत्र रूप से उबर में टैक्सी बुलाते हैं, उदाहरण के लिए, उपयोगकर्ता की आवाज कमांड द्वारा। इस मामले में, कई इनपुट सिग्नल एक विकृत तस्वीर देंगे: पाठ में टाइपो की संख्या शून्य होगी, लिंक और बटन पर क्लिक करने की सटीकता सही होगी, और एक प्रोग्राम खोलने और टैक्सी कॉल करने के बीच का समय न्यूनतम होगा।

हालाँकि, अन्य इनपुट पैरामीटर अभी भी छिपे नहीं रह सकते हैं। उदाहरण के लिए, यदि कोई व्यक्ति 2 रात को टैक्सी बुलाता है, एक पेय प्रतिष्ठान के अंदर या पास में है, तो एक टैक्सी चालक बिना किसी तंत्रिका नेटवर्क के भी सही निष्कर्ष निकाल सकता है।

पेटेंट स्पष्ट रूप से बताता है कि तंत्रिका नेटवर्क के निष्कर्ष उस सेवा को प्रभावित करते हैं जो उबर उपयोगकर्ता को प्रदान करता है। ड्राइवरों को यात्री की स्थिति के बारे में चेतावनी दी जा सकती है। यदि "यात्री की असामान्य स्थिति की संभावना अपेक्षाकृत अधिक है," तो उसका आवेदन सामान्य पूल में नहीं जाएगा, लेकिन केवल ड्राइवरों को "उपयुक्त अनुभव या प्रशिक्षण के साथ" भेजा जाएगा, पेटेंट आवेदन कहता है।

उबेर ड्राइवरों के लिए, शराबी यात्रियों के साथ काम करना उनकी पेशेवर गतिविधियों की मुख्य कमियों में से एक है। यदि पिछली शताब्दी में एक साधारण टैक्सी चालक भी ऐसे यात्री का आनंद ले सकता था, क्योंकि उसने उसे अतिरिक्त आय का वादा किया था, तो रूट प्लानिंग, चार्जिंग और कैशलेस भुगतानों की स्वचालित प्रणाली में उबर को नशे में यात्री से अतिरिक्त धन प्राप्त करना बहुत मुश्किल है। इसलिए, नशे के मामले में एक बढ़ी हुई टैरिफ की शुरूआत काफी न्यायसंगत लगती है।

“यह बहुत अच्छा होगा अगर ड्राइवरों को शराबी यात्रियों को ले जाने के लिए अतिरिक्त पैसा मिले। राइडशेयर गाइ के ब्लॉग के लेखक हैरी कैंपबेल ने कहा , "ड्रंक और सोबर यात्रियों के बीच], लेकिन निश्चित रूप से दर्जनों यात्राओं के बाद भी ड्राइवर के बाल जोड़े जाते हैं।"