【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)峰會在北京富力萬麗酒店隆重舉行。峰會期間，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。會后，記者采訪了Uber Tech Lead劉彥東，他將為大家介紹深度學習在Uber中的應(yīng)用。

 

      劉彥東目前在Uber機器學習平臺組擔任Tech Lead，領(lǐng)導公司整體的機器學習設(shè)計開發(fā)工作。他在加入Uber之前曾就職于雅虎硅谷研究院擔任資深研究員，主持雅虎多個垂直搜索相關(guān)性的研發(fā)。劉彥東先后畢業(yè)于山東大學計算機系，獲取學士學位， Emory大學計算機系獲取碩士學位， 以及卡耐基梅隆大學計算機系獲取博士學位，并在***學術(shù)會議／期刊上發(fā)表論文20余篇，引用數(shù)超過1000次。

 

機器學習在Uber的應(yīng)用

[[198088]]

       機器學習在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)。打車體驗很多方面的應(yīng)用需要用到機器學習，比如司機指派、到達時間等。其他還有個性化定價、用戶體驗與公司利益之間做平衡也用到了機器學習。

       機器學習平臺系統(tǒng)是為了解決什么問題？主要是解決智能決策的問題，機器學習有強大的分析能力，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)大公司的機器學習通常是以平臺的形式呈現(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，去申請好幾百臺的硬件資源會很費力，每次寫申請報告的手續(xù)也很繁瑣。當有了一個公共的資源池后，就可以節(jié)省很多時間。他認為，平臺化、規(guī)范化是一個趨勢，也是一個比較好的選擇。

 

Uber不僅能叫車，還能點餐

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會進入外賣服務(wù)領(lǐng)域呢？”Uber平臺有網(wǎng)絡(luò)優(yōu)勢與完善的司機供應(yīng)鏈是很大的出發(fā)點，點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。如果司機只能做外賣服務(wù)就可能導致資源浪費，因為吃飯的時間相對集中，其他時間司機需求量又比較小。反觀Uber，由于司機既可以用來打車，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掌握，因此，Uber可以快速在外賣服務(wù)領(lǐng)域后來居上。

 

個性化推薦訂餐服務(wù)的配送時間能精確到分鐘級

 

劉彥東說，UberEats的訂餐服務(wù)可以實現(xiàn)個性化推薦，把一些客戶喜歡的菜品放在上面，因為其背后有強大的機器學習技術(shù)在不斷支撐。相對于中國，他強調(diào)，UberEats更智能一些。

      另外，據(jù)了解，  UberEats的配送時間可以精確到分鐘級。例如，你點一個餐，平臺通過計算，預測23分鐘能夠送達，而你也只需要等候23分鐘即可，而國內(nèi)目前還做不到。

      分鐘級別的配送會涉及到很多業(yè)務(wù)的精準數(shù)據(jù)和調(diào)配。模型的調(diào)餐，開始的時候也不是那么準確，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)定一個目標：能否在45分鐘之內(nèi)送達，“是”或“否”，需要一個判斷；然后，判斷在哪一分鐘內(nèi)到達是有難度的，一步一步去完善。這需要準備大量的數(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確度。

另外一方面，以往的歷史信息可以幫你學習這種模型，由于Uber每天都有很多訂單，每張訂單都有一個真實的到達時間，而且這個時間內(nèi)可能有幾百個歷史數(shù)據(jù)，這樣通過機器學習就能推測出準確的配送時間。

 

機器學習在Uber的未來

 

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

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，他認為，這是一個漸進的過程。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。無人駕駛對準確性要求特別高，99.9%的準確度還是做的不夠，Uber更希望的是達到99.999%。

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