ریسٹورنٹ ایپ جِنی ودھ درست، اونا ای ودھ امیراں تے غریباں نوں وکھ کردی اے

نقشے نیڑے دے ریسٹورنٹاں دی درجہ بندی کردے نیں، کھانے دیاں ایپاں دسدیاں نیں کہ اگلی واری کِتھے کھاؤ، تے ہُن لینگوئج ماڈل (language models) کِتھے جان بارے سوالاں دے جواب دیندے نیں۔ چھپی ہوئی گائیڈ دے اُلٹ، ایہناں سجھاواں پِچھے دے سسٹم اوہناں پھیریاں توں سِکھدے نیں جیہناں نوں اوہ آپ موڑدے نیں۔ اوہناں نوں ایس ڈیٹا اُتے دوبارہ سکھایا (retrain) جاندا اے کہ لوک کِتھے گئے — اوہناں تھاواں سمیت جو اوہناں نے آپ دسیاں سن۔ ایہہ لوکاں تے الگورتھماں وچکار اک فیڈبیک لوپ (feedback loop) اے۔

پلیٹ فارم عام طور اُتے ایہناں سسٹماں نوں اوہناں دی آف لائن درستی (offline accuracy) نال پرکھدے نیں: یعنی اوہ کِنی چنگی طرح اوہ پھیرے دس سکدے نیں جو لوکاں نے کسے وی سجھاء توں پہلاں کیتے۔ ایہہ ٹیسٹ سجھاواں نوں کدی ایہہ بدلن نہیں دیندا کہ لوک کِتھے جاندے نیں، ایس لئی ایہہ نہیں ویکھ سکدا کہ ویلے نال لوپ کیہ کردا اے۔ نارتھ ایسٹرن یونیورسٹی (Northeastern University)، ترینتو دی برونو کیسلر فاؤنڈیشن (Bruno Kessler Foundation)، پیسا دے ISTI-CNR تے نیو یارک یونیورسٹی دی اک ٹیم نے ایہنوں ناپن دا بیڑا چُکیا۔

شہر کوئی پلے لسٹ کیوں نہیں

فیڈبیک لوپاں نوں بہتا گیتاں، فلماں تے چیزاں لئی پڑھیا گیا اے، جیہناں نوں جِنے مرضی لوک اک دوجے اُتے اثر پائے بنا ورت سکدے نیں۔ ریسٹورنٹ تِن طرحاں وکھرے نیں۔ لوک اوہناں تھاواں وچوں چُندے نیں جو اوہناں دی موجودہ تھاں توں اپڑ وچ ہون۔ اک ریسٹورنٹ صرف اک حد تیکر ای گاہکاں دی سیوا کر سکدا اے۔ تے اک بندے نوں دتا سجھاء ایہہ وی بدلدا اے کہ باقی گاہک کیہنوں ملدے نیں۔

ایس لئی ٹیم نے اصلی آؤن جان اُتے اک سمولیشن بنائی۔ اپنی مرضی نال شامل ہوئے صارفاں دا بے نام کیتا GPS ڈیٹا، جو اکتوبر 2016 توں مارچ 2017 تیکر ریکارڈ ہویا، بوسٹن، سان فرانسسکو تے ڈیٹرائٹ وچ 4,000 وسنیکاں تے شکاگو وچ 8,000 دے روزانہ شیڈول دیندا سی، جو اوہناں دے گھراں والے محلیاں دیاں چار آمدن چوتھائیاں (income quartiles) وچوں برابر برابر لئے گئے۔ کھانا کھان دے ہر پھیرے اُتے، اک سجھاء سسٹم (recommender) نے اک مناسب دُوری اندر 20 اجیہیاں تھاواں دسیاں جیہناں وچ اجے تھاں سی؛ ہر تھاں دی ہفتہ وار گنجائش اوہدے اصلی پھیریاں دا 1.5 گُنا رکھی گئی۔ سسٹم نوں ہر ہفتے پچھلے چار مہینیاں اُتے دوبارہ سکھایا گیا، لگ بھگ تِن سال تیکر۔ ڈیٹا وچ باقی سبھ دے اصلی پھیرے — ہر شہر وچ 290,977 لوکاں تیکر — رکھے گئے، تاں جے سمولیشن والے وسنیک اوہناں نال تھاواں سانجھیاں کرن۔

چار الگورتھماں دا مقابلہ کیتا گیا: اک جو اوہ تھاواں دسدا اے جتھے کوئی بندہ سبھ توں ودھ جاندا اے (UR-POI)، دو جو ملدیاں جلدیاں تھاواں جاں ملدے جلدے لوکاں توں سِکھدے نیں، تے اک جو ساری آبادی دے آؤن جان دی پیروی کردا اے۔

کون کیہنوں ملدا اے، ایہہ ناپنا

ٹیم نے ہنڈائی گئی آمدن دی علیحدگی (experienced income segregation) ناپی: ہر بندے لئی، تھاواں وچ گزاریا ویلا چار آمدن ٹولیاں دے لوکاں وچکار کِنا غیر برابر ونڈیا ہویا اے۔ 0 دے سکور دا مطلب اے برابر دا رلا؛ 1 دے سکور دا مطلب اے صرف اک ٹولی نوں ملنا۔ رلیاں ملیاں تھاواں اہم نیں کیوں جے وکھریاں آمدناں دے لوکاں نال سانجھاں اُتے ول ترقی (upward mobility) دی پیشین گوئی کردیاں نیں۔ ریسٹورنٹ پرکھ لئی چنگی تھاں نیں: ایہناں وچ علیحدگی اوہناں محلیاں نالوں لگ بھگ اَدھی اے جتھے لوک رہندے نیں۔

درستی بمقابلہ رلاؤ

نتیجہ اک سودا (trade-off) اے۔ آف لائن درستی دے حساب نال تے پیدا کیتی علیحدگی دے حساب نال درجہ بندی کرو، تے چاروں الگورتھم اکو ترتیب وچ آؤندے نیں۔ درستی دے حساب نال چُنو تے ہر شہر وچ سبھ توں ودھ وکھ کرن والا الگورتھم چُنیا جاندا اے۔ سبھ توں درست، UR-POI، نے لوکاں نوں اوہناں دے اصلی پھیریاں نالوں 15–21% ودھ وکھ کر دتا۔ ایہہ درستی وچ ایسے لئی جِتدا اے کہ لوک جانیاں پچھانیاں تھاواں اُتے مُڑ جاندے نیں — تے اوہناں نوں اوتھے مُڑ گھل کے، ایہہ اوہناں نوں اپنیاں وچ ای رکھدا اے۔

قصور درجہ بندی دا اے، نقشے دا نہیں۔ اوہناں ای اپڑ والیاں تھاواں وچوں بے ترتیب چُنن نے بوسٹن وچ سبھ توں گھٹ علیحدگی دتی۔ تے بوجھ سبھ توں ودھ اوہناں اُتے پیندا اے جو پہلاں ای سبھ توں ودھ اکلے نیں: سبھ توں گھٹ آمدن والے وسنیک ہر تھاں سبھ توں ودھ وکھ ٹولی سن، تے بوسٹن وچ اوہناں دا سکور اصل وچ 0.360 توں UR-POI ہیٹھ 0.413 تیکر چڑھ گیا۔

غائب ہوندے ریسٹورنٹ

لوپ تھاواں نوں خالی وی کردا اے۔ ہر الگورتھم ہیٹھ تے ہر شہر وچ، ریسٹورنٹاں دے گھٹو گھٹ پنجویں حصے دے سارے سمولیشن والے گاہک مُک گئے — اوہناں دا 21% توں 71%، جد کہ ہفتہ وار دوبارہ سکھلائی بنا 5% توں 30%۔ دوبارہ سکھلائی آپ ایس گھاٹے دا 55 توں 75% بنی: جیہڑی تھاں نوں کوئی پھیرا نہیں ملدا اوہ ڈیٹا وچوں نکل جاندی اے تے فیر دسی نہیں جاندی۔ گھاٹے گھٹ سرگرم، گھٹ آمدن والے محلیاں وچ اکٹھے ہوئے۔

رلاؤ تے بچاء اک دوجے توں اُلٹ پاسے جا سکدے نیں۔ اوہ دو الگورتھم جو سبھ توں گھٹ وکھ کردے نیں، باقی لوکاں دے پھیریاں توں سبھ توں ودھ سِکھدے نیں، تے سبھ نوں اکو تھاواں اُتے اکٹھا کر دیندے نیں — اک ٹکراؤ (overlap) جو اصلی پھیریاں والے ٹکراؤ دا 4.4 توں 6.2 گُنا اے — تے ایس لئی ودھ تھاواں خالی چھڈ دیندے نیں، ہر شہر وچ UserKNN سبھ توں ودھ۔

درجہ بندی وچ اک ہلکا دھکا

ٹیم نے اک سادہ حل پرکھیا جیہنوں ٹیل بوسٹ (tail-boost) آکھدے نیں، جو کسے وی الگورتھم اُتے جوڑیا جا سکدا اے: ہر تھاں دے سکور وچ اک انعام رلایا جاندا اے جو گھٹ پھیریاں والیاں تھاواں لئی وڈا ہوندا اے۔ بوسٹن وچ، آف لائن درستی دا ودھ توں ودھ 15% چھڈ کے، ایہنے ہر الگورتھم ہیٹھ تھاواں دا غائب ہونا 54 توں 75% گھٹا دتا تے چار وچوں تِن ہیٹھ علیحدگی گھٹائی؛ UR-POI ہیٹھ، وادھو علیحدگی 21% توں 13% تیکر ڈِگ گئی۔ ایہنے ایہہ بہتا لوکاں نوں اوہناں تھاواں ول گھلے بنا کیتا جتھے اوہناں دی اپنی آمدن ٹولی اک نِکی اقلیت ہووے۔ صرف آف لائن درستی ایہنوں رد کر دیندی۔

سمولیشن لوکاں نوں سادہ رکھدی اے — مُکھ دوڑاں (runs) وچ، ہر کوئی سجھاواں اُتے چلدا اے — تے ایہہ آمدن بندے دے حساب نال نہیں، محلے دے حساب نال ناپدی اے۔ لکھاری اپنا کوڈ جاری کردے نیں تے دلیل دیندے نیں کہ پلیٹ فارماں تے آڈیٹراں نوں کوئی الگورتھم لاگو کرن توں پہلاں لوپ دی سمولیشن کرنی چاہیدی اے، یورپی ڈیجیٹل سروسز ایکٹ (Digital Services Act) دی روح مطابق۔ سجھاء سسٹماں دی ریسرچ نے بڑی دیر تیکر ہر سجھاء نوں اک صارف تے اک چیز وچکار دا معاملہ سمجھیا اے؛ اک شہر وچ، جیویں پیپر آکھدا اے، ہر منیا گیا سجھاء «ایہہ وی بدلدا اے کہ دوجے لوک کیہنوں ملدے نیں تے کیہڑیاں تھاواں اُتے لوک آؤندے رہندے نیں۔»