రెస్టారెంట్ యాప్ ఎంత కచ్చితమైనదైతే, అది ధనికులను, పేదలను అంతగా వేరుచేస్తుంది

మ్యాప్‌లు దగ్గర్లోని రెస్టారెంట్లకు ర్యాంకులు ఇస్తాయి, ఫుడ్ యాప్‌లు తర్వాత ఎక్కడ తినాలో సూచిస్తాయి, ఇప్పుడు భాషా నమూనాలు (language models) ఎక్కడికి వెళ్ళాలనే ప్రశ్నలకు జవాబిస్తున్నాయి. ముద్రిత గైడ్‌లా కాకుండా, ఈ సూచనల వెనుక ఉన్న వ్యవస్థలు తాము నడిపించే సందర్శనల నుంచే నేర్చుకుంటాయి. ప్రజలు ఎక్కడికి వెళ్ళారనే దానిపై — తామే సిఫార్సు చేసిన ప్రదేశాలతో సహా — వాటికి మళ్ళీ శిక్షణ ఇస్తారు. అది ప్రజలకు, అల్గారిథమ్‌లకు మధ్య ఒక పునఃపోషణ చక్రం (feedback loop).

ప్లాట్‌ఫామ్‌లు సాధారణంగా ఈ వ్యవస్థలను వాటి ఆఫ్‌లైన్ కచ్చితత్వం (offline accuracy) ద్వారా అంచనా వేస్తాయి: ఏ సిఫార్సుకైనా ముందు ప్రజలు చేసిన సందర్శనలను అవి ఎంత బాగా అంచనా వేస్తాయి అనేది. ఆ పరీక్ష సూచనలు ప్రజలు వెళ్ళే చోటును మార్చడానికి ఎప్పుడూ అనుమతించదు, కాబట్టి కాలక్రమేణా చక్రం ఏం చేస్తుందో అది చూడలేదు. నార్త్‌ఈస్టర్న్ విశ్వవిద్యాలయం, ట్రెంటోలోని బ్రూనో కెస్లర్ ఫౌండేషన్, పిసాలోని ISTI-CNR, న్యూయార్క్ విశ్వవిద్యాలయాలకు చెందిన ఒక బృందం దాన్ని కొలవడానికి పూనుకుంది.

నగరం ఎందుకు ప్లేలిస్ట్ కాదు

పునఃపోషణ చక్రాలను ఎక్కువగా పాటలు, సినిమాలు, ఉత్పత్తుల విషయంలో అధ్యయనం చేశారు — వాటిని ఎంతమందైనా ఒకరినొకరు ప్రభావితం చేయకుండా వినియోగించవచ్చు. రెస్టారెంట్లు మూడు విధాలుగా భిన్నమైనవి. ప్రజలు తాము ఉన్న చోటు నుంచి అందుబాటులో ఉన్న ప్రదేశాల మధ్యే ఎంచుకుంటారు. ఒక రెస్టారెంట్ పరిమిత సంఖ్యలో వినియోగదారులకే సేవ చేయగలదు. మరియు ఒక వ్యక్తికి చేసిన సిఫార్సు ఇతర వినియోగదారులు ఎవరిని కలుస్తారో కూడా మారుస్తుంది.

అందువల్ల బృందం నిజమైన కదలికలపై ఆధారపడిన ఒక అనుకరణను నిర్మించింది. అక్టోబర్ 2016 నుంచి మార్చి 2017 మధ్య నమోదైన, సమ్మతి తెలిపిన వినియోగదారుల అనామక GPS డేటా, బోస్టన్, శాన్ ఫ్రాన్సిస్కో, డెట్రాయిట్‌లలో 4,000 మంది నివాసితుల, షికాగోలో 8,000 మంది రోజువారీ దినచర్యలను ఇచ్చింది; వారిని తమ నివాస పరిసరాల నాలుగు ఆదాయ చతుర్థాంశాల (quartiles) నుంచి సమానంగా తీసుకున్నారు. తినడానికి చేసే ప్రతి ప్రయాణంలో, ఒక సిఫార్సు వ్యవస్థ వాస్తవిక దూరంలో ఉండి, ఇంకా ఖాళీ ఉన్న 20 ప్రదేశాలను సూచించింది; ప్రతి ప్రదేశపు వారపు సామర్థ్యాన్ని దాని నిజమైన సందర్శనలకు 1.5 రెట్లుగా నిర్ణయించారు. దాదాపు మూడు సంవత్సరాల పాటు, వ్యవస్థకు ప్రతి వారం మునుపటి నాలుగు నెలల డేటాపై మళ్ళీ శిక్షణ ఇచ్చారు. డేటాలోని మిగతా అందరి నిజమైన సందర్శనలను — ఒక్కో నగరానికి 290,977 మంది వరకు — అలాగే ఉంచారు, కాబట్టి అనుకరించిన నివాసితులు వారితో ప్రదేశాలను పంచుకున్నారు.

నాలుగు అల్గారిథమ్‌లను పోల్చారు: ఒక వ్యక్తి అత్యంత తరచుగా సందర్శించే చోట్లను సిఫార్సు చేసేది ఒకటి (UR-POI), సారూప్య ప్రదేశాల నుంచి లేదా సారూప్య వ్యక్తుల నుంచి నేర్చుకునేవి రెండు, మొత్తం జనాభా కదలికలను అనుసరించేది ఒకటి.

ఎవరు ఎవరిని కలుస్తారో కొలవడం

బృందం అనుభవించిన ఆదాయ వేర్పాటును (experienced income segregation) కొలిచింది: ప్రతి వ్యక్తికీ, ప్రదేశాల్లో గడిపిన సమయం నాలుగు ఆదాయ సమూహాల ప్రజల మధ్య ఎంత అసమానంగా పంచుకోబడుతుంది అనేది. 0 స్కోరు అంటే సమాన మిశ్రమం; 1 స్కోరు అంటే ఒకే సమూహాన్ని కలవడం. మిశ్రమ ప్రదేశాలు ముఖ్యమైనవి, ఎందుకంటే వివిధ ఆదాయాల మధ్య ఏర్పడే సంబంధాలు సామాజిక-ఆర్థిక ఎదుగుదలను (upward mobility) ముందుగానే సూచిస్తాయి. రెస్టారెంట్లు మంచి పరీక్షా క్షేత్రం: ప్రజలు నివసించే పరిసరాల కంటే అవి దాదాపు సగం మాత్రమే వేర్పాటుతో ఉంటాయి.

కచ్చితత్వం వర్సెస్ కలయిక

ఫలితం ఒక రాజీ (trade-off). ఆఫ్‌లైన్ కచ్చితత్వం ప్రకారం ర్యాంకు ఇచ్చినా, అవి సృష్టించే వేర్పాటు ప్రకారం ర్యాంకు ఇచ్చినా, నాలుగు అల్గారిథమ్‌లు ఒకే క్రమంలో వస్తాయి. కచ్చితత్వం ఆధారంగా ఎంచుకుంటే, ప్రతి నగరంలోనూ అత్యంత వేర్పాటు కలిగించే అల్గారిథమ్‌నే ఎంచుకుంటాం. అత్యంత కచ్చితమైనది, UR-POI, ప్రజలను వారి నిజమైన సందర్శనల కంటే 15–21% ఎక్కువ వేర్పాటుతో వదిలింది. అది కచ్చితత్వంలో గెలవడానికి కారణమే ప్రజలు పరిచితమైన చోట్లకు తిరిగి వెళ్ళడం — వారిని అక్కడికే తిరిగి పంపడం ద్వారా, అది వారిని తమవారి మధ్యే ఉంచుతుంది.

తప్పు మ్యాప్‌ది కాదు, ర్యాంకింగ్‌ది. అందుబాటులో ఉన్న అవే ప్రదేశాల మధ్య యాదృచ్ఛికంగా ఎంచుకోవడం బోస్టన్‌లో అన్నిటికంటే తక్కువ వేర్పాటును ఇచ్చింది. భారం ఇప్పటికే అత్యంత ఏకాకులైనవారిపైనే ఎక్కువగా పడుతుంది: అత్యల్ప ఆదాయ నివాసితులు ప్రతిచోటా అత్యంత వేర్పాటుకు గురైన సమూహం, బోస్టన్‌లో వారి స్కోరు వాస్తవంలోని 0.360 నుంచి UR-POI కింద 0.413కి పెరిగింది.

మాయమయ్యే రెస్టారెంట్లు

చక్రం ప్రదేశాలను ఖాళీ కూడా చేస్తుంది. ప్రతి అల్గారిథమ్ కిందా, ప్రతి నగరంలోనూ, కనీసం ఐదో వంతు రెస్టారెంట్లు తమ అనుకరణ సందర్శకులందరినీ కోల్పోయాయి — వాటిలో 21% నుంచి 71% వరకు; వారపు పునఃశిక్షణ లేకుండా అయితే 5% నుంచి 30%. ఆ నష్టంలో 55 నుంచి 75% పునఃశిక్షణ వల్లే వచ్చింది: సందర్శనలు అందని ప్రదేశం డేటా నుంచి జారిపోతుంది, ఇక సిఫార్సు చేయబడదు. నష్టాలు తక్కువ సందడి ఉన్న, తక్కువ ఆదాయ పరిసరాల్లో కేంద్రీకృతమయ్యాయి.

కలయిక, మనుగడ వేర్వేరు దిశల్లో లాగవచ్చు. అతి తక్కువ వేర్పాటు కలిగించే రెండు అల్గారిథమ్‌లు ఇతరుల సందర్శనల నుంచే ఎక్కువగా నేర్చుకుంటాయి, అందరినీ అవే ప్రదేశాల్లో పోగుచేస్తాయి — నిజమైన సందర్శనల అతివ్యాప్తికి 4.4 నుంచి 6.2 రెట్లు ఉండే అతివ్యాప్తి (overlap) — దాంతో ఎక్కువ ప్రదేశాలను ఖాళీగా వదిలేస్తాయి, ప్రతి నగరంలోనూ UserKNN అన్నిటికంటే ఎక్కువగా.

ర్యాంకింగ్‌లో ఒక చిన్న తోపు

బృందం tail-boost అనే ఒక సరళమైన పరిష్కారాన్ని పరీక్షించింది, దాన్ని ఏ అల్గారిథమ్‌పైనైనా జోడించవచ్చు: ప్రతి ప్రదేశపు స్కోరును, తక్కువ సందర్శనలు ఉన్న చోట్లకు పెద్దదిగా ఉండే ఒక బోనస్‌తో కలుపుతారు. బోస్టన్‌లో, ఆఫ్‌లైన్ కచ్చితత్వంలో గరిష్ఠంగా 15% వదులుకుంటూ, అది ప్రతి అల్గారిథమ్ కిందా ప్రదేశాల అదృశ్యాన్ని 54 నుంచి 75% తగ్గించింది, నాలుగింటిలో మూడింటి కింద వేర్పాటును తగ్గించింది; UR-POI కింద, అదనపు వేర్పాటు 21% నుంచి 13%కి పడిపోయింది. ప్రజలను, తమ సొంత ఆదాయ సమూహం చిన్న మైనారిటీగా ఉన్న చోట్లకు పంపకుండానే అది చాలావరకు ఈ ఫలితం సాధించింది. ఆఫ్‌లైన్ కచ్చితత్వం ఒక్కటే అయితే దాన్ని తిరస్కరించి ఉండేది.

అనుకరణ ప్రజలను సరళంగా ఉంచుతుంది — ప్రధాన పరుగుల్లో (runs), అందరూ సిఫార్సులను పాటిస్తారు — అది ఆదాయాన్ని వ్యక్తి వారీగా కాకుండా పరిసరాల వారీగా కొలుస్తుంది. రచయితలు తమ కోడ్‌ను విడుదల చేస్తున్నారు; యూరోపియన్ డిజిటల్ సర్వీసెస్ యాక్ట్ స్ఫూర్తితో, ప్లాట్‌ఫామ్‌లు, ఆడిటర్లు ఒక అల్గారిథమ్‌ను అమలు చేసే ముందు ఈ చక్రాన్ని అనుకరించాలని వాదిస్తున్నారు. సిఫార్సు పరిశోధన చాలా కాలంగా ప్రతి సూచనను ఒక వినియోగదారుకు, ఒక అంశానికి మధ్య వ్యవహారంగా చూసింది; నగరంలో, పత్రం చెప్పినట్టు, పాటించిన ప్రతి సిఫార్సు “ఇతరులు ఎవరిని కలుస్తారో, ఏ ప్రదేశాలకు సందర్శకులు వస్తూనే ఉంటారో కూడా మారుస్తుంది.”