Amazonの研究者らが、インフレを計算しランダム化試験を改善する新しいAI技術を提案

ニュース

Amazonによると、同社はAIと機械学習をインフレ率の計算、無作為化試験と実験のデザインの検討に応用している。2020年にサンディエゴで開催された米国経済協会の会議で発表された一対の論文には、製品の機能と価格の相関関係を調べるモデルや、平均的な影響と波及効果の両方を測定する必要がある実験の設計図に関する研究内容が詳しく記されている。

最初の論文「新商品、生産性およびインフレの測定:品質調整改善のための機械学習の利用」( “New Goods, Productivity and the Measurement of Inflation: Using Machine Learning to Improve Quality Adjustments”)では、前述のインフレ率問題にAIを適用している。AmazonのCore AIグループの副社長兼チーフエコノミストであり、この2つの論文の共著者でもあるPat Bajari氏が説明するように、従来のインフレ計算方法では物価の変化はほとんど見られない。1つの解決策はヘドニック価格設定であり、製品の価格は独立して比較できるいくつかの要素に分解される。

研究者たちのアルゴリズムは、製品の機能と価格の関係を特定することで製品価格を因数分解する。例えば、モデルが1年後のデータで訓練され、1年後の製品の説明を入力すると、初期の評価に従って製品の価格が出力される。

Bajari氏によると、Amazonは社内でこれを利用してビジネストレンドを分析し、サードパーティー(銀行のように)が同様のモデルを経済を代表する製品に適用してリアルタイムの変動を観測することも可能だという。「製品ラインを見てみると、一年のうちに製品の80%が消えてしまうかもしれません。」と彼は付け加えた。「インフレ率を計算するときには、通常、毎年の物価変動を測定します。しかし、製品の80%がなくなった場合、その測定は不正確になる可能性があります。」

他の論文は実験設計に関するものである。製薬会社が実施するランダム化試験のように、薬を投与される被験者とプラセボ(コントロール)を投与される被験者がいるランダム化試験では、さまざまな効果の結果が比較される。残念なことに、テスト(例えば薬剤)がコントロール(プラシーボ)に影響を与えるような影響を及ぼす可能性がある。

そこでBajariらは、1回の実験で平均効果の測定とスピルオーバーの同定を同時に行う方法を記述し、二重無作為化から一般化して、実験結果を解析するための統計的手法を示してスピルオーバー効果を同定する枠組みを考案した。

Bajari氏によると、このアプローチは、映画のおすすめ、相乗りサービス、短期賃貸サイト、住宅購入サイト、小売サイト、求職サイトなど、さまざまな状況に適用できるという。Amazonでは、需要の急増が製品クラス全体に影響しているのか、特定の製品に限定されているのかを判断するために使用されることがある。

「この種のスピルオーバーは、標準的な医療用医薬品の試験では起こらない。なぜなら、ある人が新薬を服用しても、別の人がプラセボを服用しても、結果には影響しないからである。しかし、これはAmazonや同様の会社での多くの実験の特徴であり、複雑なフィードバックループがあります。」とBajari氏は説明する。「このような実験を行う場合、一度に1つの変数のみをランダム化します。私たちはこのアイデアをさらに進めたいと思っています。このアイデアでは、複数のランダム化を使用して、供給応答、需要応答、均衡を学習します。これらはすべて、顧客満足度の向上を維持することを目的としています。」

 

こちらの記事のソースはこちらになります。
https://venturebeat.com/2020/01/03/amazon-researchers-propose-new-ai-techniques-for-calculating-inflation-and-improving-randomized-trials/

タイトルとURLをコピーしました