Esplora le opzioni seguenti.
Quali dei seguenti modelli sono suscettibili
di loop di feedback?
Un modello di previsione del traffico che prevede la congestione alle uscite autostradali vicino alla spiaggia, utilizzando il livello di affollamento delle spiagge come una delle sue funzionalità.
È probabile che alcuni bagnanti basino i loro piani sulla previsione di traffico. Se la folla di spiaggia è molto frequentata e il traffico è molto intenso, molte persone possono fare piani alternativi. Questo può ridurre l'affluenza in spiaggia, generando una previsione di traffico più leggera, che potrebbe aumentare la partecipazione e il ciclo si ripete.
Un modello di suggerimenti per i libri che suggerisce romanzi che potrebbero interessare ai suoi utenti in base alla loro popolarità (ad esempio, il numero di volte in cui i libri sono stati acquistati).
I suggerimenti relativi ai libri potrebbero aumentare gli acquisti e queste vendite aggiuntive verranno inserite nuovamente nel modello come input, aumentando le probabilità che vengano consigliati gli stessi libri in futuro.
Un modello universitario che valuta le scuole in parte in base alla loro selettività, ovvero alla percentuale di studenti che hanno presentato la domanda di ammissione.
Il ranking del modello può suscitare un ulteriore interesse nelle scuole più votate, aumentando il numero di domande che ricevono. Se queste scuole continuano a ammettere lo stesso numero di studenti, la selettività aumenterà (la percentuale di studenti ammessi diminuirà). In questo modo, il ranking di queste scuole aumenterà, il che aumenterà ulteriormente l'interesse dei potenziali studenti e così via.
Un modello di risultati elettorali che prevede il vincitore di una sindaca
del 2% degli elettori dopo la chiusura dei sondaggi.
Se il modello non pubblica la previsione fino alla chiusura dei sondaggi, non è possibile che le previsioni influiscano sul comportamento degli elettori.
Un modello abitativo che prevede i prezzi delle case, utilizzando
le dimensioni (area in metri quadrati), il numero di camere da letto e la posizione geografica
come caratteristiche.
Non è possibile modificare rapidamente la posizione, le dimensioni
o il numero di camere di una casa in risposta alle previsioni dei prezzi,
il che rende improbabile un loop di feedback. Esiste però potenzialmente una correlazione tra le dimensioni e il numero di camere da letto (le case di grandi dimensioni potrebbero avere più stanze) che potrebbero dover essere separate.
Un modello di attributi del volto che rileva se una persona sorride
in una foto. L'addestramento viene eseguito regolarmente su un database di fotografie stock che viene aggiornato automaticamente ogni mese.
Non ci sono loop di feedback qui, poiché le previsioni dei modelli non hanno alcun impatto sul nostro database di foto. Tuttavia, qui è preoccupante il controllo delle versioni dei nostri dati di input, poiché questi aggiornamenti mensili potrebbero potenzialmente avere effetti imprevisti sul modello.