【51CTO.com原創(chuàng)稿件】2017年7月21日-22日，由51CTO主辦的以人工智能為主題的WOTI2017全球創(chuàng)新技術(shù)峰會(huì)在北京富力萬麗酒店隆重舉行。峰會(huì)期間，30+AI明星，數(shù)十場圍繞人工智能主題的精彩演講與圓桌論壇緩緩揭開面紗。會(huì)后，記者采訪了Uber Tech Lead劉彥東，他將為大家介紹深度學(xué)習(xí)在Uber中的應(yīng)用。

 

      劉彥東目前在Uber機(jī)器學(xué)習(xí)平臺(tái)組擔(dān)任Tech Lead，領(lǐng)導(dǎo)公司整體的機(jī)器學(xué)習(xí)設(shè)計(jì)開發(fā)工作。他在加入Uber之前曾就職于雅虎硅谷研究院擔(dān)任資深研究員，主持雅虎多個(gè)垂直搜索相關(guān)性的研發(fā)。劉彥東先后畢業(yè)于山東大學(xué)計(jì)算機(jī)系，獲取學(xué)士學(xué)位， Emory大學(xué)計(jì)算機(jī)系獲取碩士學(xué)位， 以及卡耐基梅隆大學(xué)計(jì)算機(jī)系獲取博士學(xué)位，并在***學(xué)術(shù)會(huì)議／期刊上發(fā)表論文20余篇，引用數(shù)超過1000次。

 

機(jī)器學(xué)習(xí)在Uber的應(yīng)用

[[198088]]

       機(jī)器學(xué)習(xí)在Uber的應(yīng)用場景都有哪些？基本上涵蓋Uber業(yè)務(wù)的方方面面，最基本的是打車業(yè)務(wù)。打車體驗(yàn)很多方面的應(yīng)用需要用到機(jī)器學(xué)習(xí)，比如司機(jī)指派、到達(dá)時(shí)間等。其他還有個(gè)性化定價(jià)、用戶體驗(yàn)與公司利益之間做平衡也用到了機(jī)器學(xué)習(xí)。

       機(jī)器學(xué)習(xí)平臺(tái)系統(tǒng)是為了解決什么問題？主要是解決智能決策的問題，機(jī)器學(xué)習(xí)有強(qiáng)大的分析能力，可以從大量的數(shù)據(jù)中得出一些規(guī)律，從而能夠幫助人做決策。

據(jù)劉彥東說，美國多數(shù)大公司的機(jī)器學(xué)習(xí)通常是以平臺(tái)的形式呈現(xiàn)，Uber也是這樣做的。好處就是規(guī)范化、迭代速度快。例如，做新業(yè)務(wù)的部署，去申請好幾百臺(tái)的硬件資源會(huì)很費(fèi)力，每次寫申請報(bào)告的手續(xù)也很繁瑣。當(dāng)有了一個(gè)公共的資源池后，就可以節(jié)省很多時(shí)間。他認(rèn)為，平臺(tái)化、規(guī)范化是一個(gè)趨勢，也是一個(gè)比較好的選擇。

 

Uber不僅能叫車，還能點(diǎn)餐

在UberEats推出前，美國已經(jīng)有了很多類似于國內(nèi)“餓了么、百度外賣”等專門做送餐服務(wù)的公司。但劉彥東說，Uber的外賣服務(wù)推出后，訂單很快超過了10億單，大概只用了1年時(shí)間就迅速成為行業(yè)***。

美國很多地方都地廣人稀，堵車現(xiàn)象也自然少見，不同于中國送餐員是騎摩托車送餐的，Uber是開汽車送餐。

為何Uber會(huì)進(jìn)入外賣服務(wù)領(lǐng)域呢？”Uber平臺(tái)有網(wǎng)絡(luò)優(yōu)勢與完善的司機(jī)供應(yīng)鏈?zhǔn)呛艽蟮某霭l(fā)點(diǎn)，點(diǎn)餐又是值得嘗試的業(yè)務(wù)。“劉彥東說，打車業(yè)務(wù)和送餐業(yè)務(wù)結(jié)合在一起是很容易的，因此，Uber就嘗試了。如果司機(jī)只能做外賣服務(wù)就可能導(dǎo)致資源浪費(fèi)，因?yàn)槌燥埖臅r(shí)間相對集中，其他時(shí)間司機(jī)需求量又比較小。反觀Uber，由于司機(jī)既可以用來打車，也可以送外賣，加上智能的網(wǎng)絡(luò)結(jié)構(gòu)和對道路交通狀況的精準(zhǔn)掌握，因此，Uber可以快速在外賣服務(wù)領(lǐng)域后來居上。

 

個(gè)性化推薦訂餐服務(wù)的配送時(shí)間能精確到分鐘級(jí)

 

劉彥東說，UberEats的訂餐服務(wù)可以實(shí)現(xiàn)個(gè)性化推薦，把一些客戶喜歡的菜品放在上面，因?yàn)槠浔澈笥袕?qiáng)大的機(jī)器學(xué)習(xí)技術(shù)在不斷支撐。相對于中國，他強(qiáng)調(diào)，UberEats更智能一些。

      另外，據(jù)了解，  UberEats的配送時(shí)間可以精確到分鐘級(jí)。例如，你點(diǎn)一個(gè)餐，平臺(tái)通過計(jì)算，預(yù)測23分鐘能夠送達(dá)，而你也只需要等候23分鐘即可，而國內(nèi)目前還做不到。

      分鐘級(jí)別的配送會(huì)涉及到很多業(yè)務(wù)的精準(zhǔn)數(shù)據(jù)和調(diào)配。模型的調(diào)餐，開始的時(shí)候也不是那么準(zhǔn)確，這需要不停地迭代和積累數(shù)據(jù)。比如說，在早期，可以設(shè)定一個(gè)目標(biāo)：能否在45分鐘之內(nèi)送達(dá)，“是”或“否”，需要一個(gè)判斷；然后，判斷在哪一分鐘內(nèi)到達(dá)是有難度的，一步一步去完善。這需要準(zhǔn)備大量的數(shù)據(jù)和虛擬數(shù)據(jù)，還要采集周圍相關(guān)數(shù)據(jù)。例如，餐館信息、司機(jī)信息、天氣狀況和路上的交通狀況，圍繞送餐服務(wù)把數(shù)據(jù)采集全才可以提高準(zhǔn)確度。

另外一方面，以往的歷史信息可以幫你學(xué)習(xí)這種模型，由于Uber每天都有很多訂單，每張訂單都有一個(gè)真實(shí)的到達(dá)時(shí)間，而且這個(gè)時(shí)間內(nèi)可能有幾百個(gè)歷史數(shù)據(jù)，這樣通過機(jī)器學(xué)習(xí)就能推測出準(zhǔn)確的配送時(shí)間。

 

機(jī)器學(xué)習(xí)在Uber的未來

 

送餐服務(wù)僅僅是Uber現(xiàn)階段的一個(gè)業(yè)務(wù)，它未來的目標(biāo)是在無人駕駛。

劉彥東說，在美國，無人駕駛領(lǐng)域競爭很激烈，大公司在做，車廠在做，很多創(chuàng)業(yè)公司也在做，而Uber自然也早早就開始了自己的研究和部署。無人駕駛難度是很大的，但是，他認(rèn)為，這是一個(gè)漸進(jìn)的過程。首先是特定場景比如園區(qū)，卡車業(yè)務(wù)等等，逐步到高速，市區(qū)肯定是***一步。無人駕駛對準(zhǔn)確性要求特別高，99.9%的準(zhǔn)確度還是做的不夠，Uber更希望的是達(dá)到99.999%。

【51CTO原創(chuàng)稿件，合作站點(diǎn)轉(zhuǎn)載請注明原文作者和出處為51CTO.com】