بیا یه چیزی بهت بگم، اگه تا حالا دنبال خونه اجاره یا خرید گشتی، حتما می‌دونی که چی کار سختیه! مخصوصا توی شهرهای بزرگ که هزار تا خونه مختلف واسه اجاره و فروش هست، انقدر گزینه زیاده که واقعا می‌مونی کدوم رو ببینی! تو آمریکای لاتین، یه سایت خیلی بزرگ به اسم QuintoAndar هست که اصلا کارش ساده‌تر کردن همین قضیه‌س؛ سره کاغذبازی رو می‌زنه و دسترسی به خونه رو برای همه آسون‌تر می‌کنه.
حالا QuintoAndar داره یه کار جالب انجام می‌ده: یه چیزی طراحی کردن که بهتر بتونه به کاربراش پیشنهاد خونه بده. خلاصه‌ش اینکه با کمک مدل‌های هوش مصنوعی و یه چیزی به اسم geo-embedding (یعنی یه مدل ریاضی که اطلاعات مکانی رو می‌گیره و تبدیلشون می‌کنه به یه زبون قابل فهم برای کامپیوتر)، می‌خواد بفهمه هر کدوم از خونه‌ها تو چه منطقه‌ای قرار دارن و چقدر اون منطقه باحال یا با ارزشه.
واقعیتش اینه که لوکیشن، یا همون “مکان خونه”، همه چیزه! مثلا ممکنه خونه کوچیک یا ساده باشه، ولی اگه تو یه جای خوب باشه، همه سرو دست براش می‌شکنن. چون موقعیت مکانی تاثیر مستقیمی روی قیمت، دسترسی به امکانات (مثلاً نزدیکی به مترو، سوپرمارکت و غیره)، و کیفیت زندگی داره.
حالا یه مشکل اساسی اینه که داده‌های مکانی و خواسته‌های آدم‌ها خیلی پیچیده و پراکنده‌س؛ یعنی چیزیه که بهش میگن sparsity (یعنی داده‌ها خیلی پراکنده‌ان و پیدا کردن الگو از روشون سخته). برای همین QuintoAndar اومده از یه روش پیچیده و خفن استفاده کرده: H3 grid. این H3 grid یه جور سیستم تقسیم‌بندی نقشه‌س که کل شهر رو مثل لانه زنبور، سلول سلول می‌کنه، هر سلول یه سطح جزئیات داره. بعد QuintoAndar این تقسیم‌بندی رو تو چند سطح مختلف (multi-resolution) استفاده می‌کنه، یعنی هم از دید کلان نگاه می‌کنه، هم ریزتر می‌شه تو محله‌ها.
تازه مدل اصلی که استفاده کردن، دوتا هسته (two-tower neural architecture) داره که یه جورایی موازی با هم داده رو تحلیل می‌کنن و نتیجه رو هوشمندانه‌تر درمیارن. برای اینکه بفهمن روششون نسبت به روش‌های قبلی بهتر جواب می‌ده یا نه، اومدن مقایسه کردن با استاندارد قدیمی یعنی matrix factorization (یه روش کلاسیک برای توصیه دادن که معمولاً تو سایت‌هایی مثل نتفلیکس استفاده می‌شه) و همینطور با یه مدل ساده‌تر که فقط یه سطح جزئیات مکانی داشت (single-resolution).
خلاصه که نتیجه خیلی جالب شد: توی تست‌هایی که کردن، روش جدیدشون تونسته نماهای پیچیده‌تری از اطلاعات مکانی بسازه و تعادل بیشتری تو پیشنهاد خونه‌ها داشته باشه. حتی تو شبیه‌سازی‌های آفلاین (یعنی بدون حضور کاربر، ولی با داده‌های واقعی)، دیدن که کیفیت پیشنهاد خونه‌ها نسبت به قبل حسابی بهتر و دقیق‌تر شده.
پس اگه تو هم دنبال خونه‌ای و همیشه جای خونه برات مهمه، بدون که پشت صحنه بعضی از این سایتای خفن، مدل‌های هوشمندی دارن کار می‌کنن که واقعا دارن سعی می‌کنن سریع‌تر و بهتر برسونی به یه خونه که دوستش داری! به امید اینکه ما هم زودتر به همچین تکنولوژی‌هایی تو ایران برسیم، نه؟ 😉
منبع: +
