【.com原稿】2017年7月21-22日，由AI主办的WOTI2017全球创新科技峰会隆重举行在北京万丽酒店。峰会期间，30+AI明星、数十场精彩演讲、围绕人工智能主题的圆桌论坛缓缓亮相。会后，记者采访了UberTechLead刘延东，刘延东将介绍深度学习在Uber的应用。刘延东目前担任优步机器学习平台组的TechLead，领导公司整体的机器学习设计和开发工作。在加入优步之前，他曾在雅虎硅谷研究院担任高级研究员，主持雅虎多垂直搜索相关性的研发工作。刘延东毕业于山东大学计算机科学学士学位、埃默里大学计算机科学硕士学位、卡耐基梅隆大学计算机科学博士学位。超过1000次。机器学习在优步的应用机器学习在优步有哪些应用场景？基本涵盖了Uber业务的方方面面，最基础的就是出租车业务。网约车体验的许多方面都需要机器学习，例如司机分配、到达时间等。其他包括个性化定价，用户体验和公司利益的平衡，也用到了机器学习。机器学习平台系统解决什么问题？主要是解决智能决策问题。机器学习具有强大的分析能力，可以从大量的数据中得出一些规律，从而帮助人们做出决策。据刘延东介绍，美国大部分大公司的机器学习通常都是以平台的形式呈现，Uber也是如此。优点是标准化，迭代快。比如新业务的部署，申请上百个硬件资源会很费力，每次写申请报告的程序也很繁琐。当你有一个公共资源池时，你可以节省很多时间。他认为，平台化、标准化是一种趋势，也是一种更好的选择。Uber不仅可以叫车，还可以点餐。在UberEats推出之前，美国已经有多家专门从事外卖服务的公司，例如国内的“饿了么”、“百度外卖”等。但刘延东表示，Uber送餐服务上线后，订单量迅速突破10亿单，仅用了大约一年时间就迅速成为行业龙头。美国很多地方人烟稀少，堵车自然少见。与中国送餐员骑摩托车送餐不同，优步是用汽车送餐。优步为何进入外卖服务领域？“Uber平台拥有网络优势，完整的司机供应链是一个很好的起点，订餐是一个值得尝试的业务。”刘延东表示，出租车业务和外卖业务很容易结合，所以优步就尝试了。如果司机只能做外卖服务，可能会导致资源浪费，因为吃饭的时间比较集中，其他时间对司机的需求比较少。与Uber相比，由于可以通过司机叫车或送餐，再加上智能化的网络结构和对道路交通状况的精准控制，Uber可以在送餐服务领域快速赶超。个性化推荐订餐服务的送达时间可以精确到分钟级。刘延东表示，UberEats的订餐服务可以实现个性化推荐，把一些顾客喜欢的菜品放在上面，因为背后有强大的机器学习技术。与中国相比，他强调UberEats更聪明。此外，据了解，UberEats的送餐时间可以精确到分钟级别。比如你点餐，平台通过计算预计23分钟送达，你只需要等23分钟，这在国内目前是做不到的。分钟级分发涉及众多业务的精准数据和部署。一开始模型的调整并不是那么准确，需要不断的迭代和数据的积累。比如前期可以定一个目标：45分钟内能不能送达，“是”还是“否”，需要判断；然后，很难在一分钟内判断到达，一步一步做到完美。这就需要准备大量的数据和虚拟数据，以及周边相关数据的收集。例如餐厅信息、司机信息、天气情况、路上的交通情况等。收集有关送餐服务的数据可以提高准确性。另一方面，过去的历史信息可以帮助你了解这个模型。由于Uber每天有很多订单，每个订单都有一个真实的到达时间，而这段时间内可能有数百条历史数据，所以通过机器学习来猜测准确的送货时间。Uber未来送餐服务中的机器学习只是Uber现阶段的业务，未来的目标是无人驾驶。刘延东表示，在美国，自动驾驶领域的竞争非常激烈。大公司在做，汽车厂商在做，很多创业公司也在做。Uber自然很早就开始了自己的研究和部署。无人驾驶非常难，但他认为这是一个循序渐进的过程。首先是特定场景，比如公园、货车业务等，逐渐走向高速，市区肯定是最后一步。无人驾驶对精度的要求特别高，99.9%的精度还是不够的。Uber希望达到99.999%。【原创稿件，合作网站转载请注明原作者和出处为.com】
