چگونه استارتاپ‌های هوش مصنوعی بازار خودروهای دست دوم را متحول می‌کنند؟
پریسا سلامتی- ۴ مهر ۱۴۰۳
در دومین گردهمایی استارتاپی پاندورا، «میثم کرمانی»، استاد دانشگاه و متخصص در حوزه هوش مصنوعی، به ارائه‌ای در خصوص تخمین قیمت خودروهای دست دوم با استفاده از مدل‌های پیچیده یادگیری ماشین پرداخت. او در این سخنرانی، راهکارهای نوآورانه‌ای را برای مواجهه با پیچیدگی‌های بازار خودرو در ایران تشریح کرد.
استفاده از هوش مصنوعی برای تخمین قیمت خودروهای دست دوم
در آغاز سخنرانی، میثم کرمانی با تاکید بر اهمیت تخمین قیمت خودروهای دست دوم در ایران گفت:«ما به دنبال یافتن راه‌حلی بودیم که بتواند قیمت خودروهای دست دوم را با دقتی بالا در بازار ایران پیش‌بینی کند. همان‌طور که می‌دانید، قیمت‌گذاری خودروهای دست دوم تحت تاثیر عوامل بسیار زیادی از جمله نرخ دلار، سیاست‌های دولتی و اخبار اقتصادی است. این موارد باعث می‌شوند که پیش‌بینی قیمت خودرو، فرآیندی پیچیده و دشوار باشد.»
کرمانی توضیح داد که استارتاپ آن‌ها تصمیم گرفت بر خودروهایی تمرکز کند که در حال حاضر تولید می‌شوند و قیمت‌گذاری آن‌ها به پارامترهای قابل پیش‌بینی‌تری وابسته است. او ادامه داد:«ما به این نتیجه رسیدیم که قیمت یک خودروی دست دوم را می‌توان با استفاده از ضریبی بین صفر تا یک و در مقایسه با قیمت یک خودروی صفر کیلومتر تخمین زد. به این ترتیب، خودرویی که به تازگی تولید شده ضریبی نزدیک به یک خواهد داشت، در حالی که خودرویی که فرسوده است، ضریبش به صفر نزدیک می‌شود.»
مدل‌های پیشرفته برای تخمین دقیق‌تر
کرمانی در ادامه به توضیح رویکردهای فنی پرداخت و گفت:«برای تخمین قیمت، ما ابتدا مدل‌های ساده‌ای از جمله رگرسیون خطی را پیاده‌سازی کردیم که در بسیاری از وب‌سایت‌ها نیز استفاده می‌شود. اما این مدل‌ها به دلیل دقت پایین، نتایج اشتباهی ارائه می‌دهند. بنابراین، ما تصمیم گرفتیم از مدل‌های پیچیده‌تری مانند مدل‌های سلسله مراتبی و شبکه‌های عصبی استفاده کنیم.»
او تاکید کرد که علاوه بر این مدل‌ها، نرخ دلار را نیز به عنوان یکی از مهم‌ترین عوامل تاثیرگذار در قیمت خودروهای دست دوم در نظر گرفتند. کرمانی افزود: «با استفاده از ترکیب چندین مدل و اضافه کردن متغیرهایی مانند نرخ ارز، توانستیم تخمین‌های بهتری داشته باشیم.»
یادگیری تقویتی؛ کلید حل مشکلات پیش‌بینی
یکی از بخش‌های جذاب سخنرانی کرمانی، اشاره به استفاده از یادگیری تقویتی برای بهبود فرآیند تخمین بود. او گفت:«یادگیری تقویتی برای مسائل پیچیده‌ای که دارای نقاط توقف و پیوستگی مشخص نیستند، بسیار مناسب است. این روش به سیستم اجازه می‌دهد که با استفاده از تجربه‌های قبلی، تصمیم‌گیری‌های بهتری انجام دهد.»
کرمانی با توضیح اینکه آن‌ها از یادگیری تقویتی برای انتخاب بهترین مدل در هر شرایط خاص استفاده کرده‌اند، گفت:«ما از این تکنیک استفاده کردیم تا هر مدل بتواند در بخش خاصی از بازار خودروهای دست دوم، قیمت‌ها را با دقت بیشتری تخمین بزند.»
ترکیب تخصص‌ها برای دقت بیشتر
کرمانی با اشاره به اینکه هر مدل هوش مصنوعی تخصص خود را در بخشی از بازار خودروها دارد، گفت:«ما مدل‌هایی را توسعه دادیم که در هر بخش از بازار، به طور خاص قادر به تخمین قیمت بودند. سپس از همکاری و مشاوره این مدل‌ها با یکدیگر استفاده کردیم تا به یک پیش‌بینی جامع و دقیق‌تر برسیم. در واقع، مانند یک تیم پزشکی که با هم همکاری می‌کنند، مدل‌های ما نیز برای هر خودروی خاص، بهترین پیش‌بینی را ارائه می‌دهند.»
در پایان سخنرانی، کرمانی نتیجه‌گیری کرد:«ما به این نتیجه رسیدیم که ترکیب چندین مدل هوش مصنوعی و مشاوره بین آن‌ها، می‌تواند به بهبود دقت تخمین قیمت خودروهای دست دوم در بازار ایران کمک کند. این رویکرد نه تنها به مشتریان کمک می‌کند تا انتخاب بهتری داشته باشند، بلکه باعث شفافیت و کاهش نوسانات در این بازار پیچیده می‌شود.»
او در پایان سخنان خود اظهار کرد:«امیدوارم این تجربه و نتایج تحقیقات ما، به عنوان پایه‌ای برای بهبود ابزارهای پیش‌بینی قیمت در بازار ایران و شاید در سایر کشورها مورد استفاده قرار گیرد.»
این سخنرانی نه تنها به نقش هوش مصنوعی در بهبود تخمین قیمت خودروهای دست دوم پرداخت، بلکه نشان داد که استارتاپ‌ها چگونه می‌توانند با استفاده از مدل‌های پیشرفته و تکنولوژی‌های نوین، چالش‌های پیچیده را حل کنند و نوآوری‌هایی ارائه دهند که به سود جامعه و بازار باشد.
