滴滴AI负责人叶杰平:你的每一次出行,都已有AI落地的助力 | MEET 2020

鱼羊 整理自 MEET2020
量子位 报道 | 公众号 QbitAI

2019年,AI在出行领域遇见了怎样的机遇和挑战?

在首届MEET 2020智能未来大会现场,滴滴出行副总裁、AI Lab负责人,同时也是美国密西根大学教授、新晋IEEE Fellow的叶杰平站在技术视角,分享了他的观点:

有场景,AI赋能可以创造更大价值。他的演讲着重介绍了人工智能如何在出行领域落地,并创造价值。

其中,既谈到了未来交通的愿景,也有贴近生活的AI技术落地案例,还谈到了产业生态带来的价值。

在不改变原意的基础上,量子位对叶杰平教授的演讲进行了编辑整理。

关于MEET2020智能未来大会:现场20多位行业大咖分享,1000多名行业观众参与,线上有近百万从业者通过直播参与观看和互动,包括新华社在内的数十家主流媒体报道,活动整体线上总曝光量超过千万。

未来出行是什么样?

滴滴服务于5.5亿用户,年运送乘客达到100亿次。据叶杰平教授介绍,滴滴每天新增超过100T的轨迹数据。

这是个什么概念呢?举个例子,如果把北京滴滴的轨迹全部集中在一起,基本上可以覆盖北京所有道路300到400次。数据可谓海量。

那么在海量数据的支持下,未来出行/交通会有怎样的变化?

叶杰平结合今年9月份中共中央国务院发布了交通强国智慧交通纲要,以智慧交通国家战略为高度,重新审视和预见未来几年交通会发生翻天覆地的变革,主要集中在三个方面:

  • 交通基础设施,比如信号灯,会越来越智能。
  • 交通工具,未来两个大的趋势是电动化和自动化。
  • 共享出行平台。共享,会使马路交通更加顺畅,环境污染得到极大改善。

而在这其中,AI将会是未来交通非常重要的关键词。

滴滴AI Labs的成立,就是基于AI改变交通的战略。

AI改变交通,场景丰富,落地创造价值

叶杰平指出,滴滴用三层结构来布局人工智能。

最底层是基础的算法。包括强化学习、深度学习、统计、运筹等基础前沿算法。

中间层是核心AI技术。横跨语音识别,NLP,CV,知识图谱等多个领域。

顶层是应用。包括交通基础设施智能化,交通工具的电动化和自动化,以及如何用AI技术提升出行的安全、体验、效率。

而AI的落地应用,早已在赋能滴滴出行。

AI派单

派单,是出行平台最核心的一个模块,即完成司机和乘客的匹配。

滴滴的系统每两秒就会做一次匹配,核心步骤有两个:一是对乘客和司机两两建立匹配度;二是在匹配度的基础上,通过全局最优算法来让每两秒内有最多的乘客能被应答。

而在这其中,滴滴引入了类似于AlphaGo下棋的强化学习算法。因为派单本质上是一个时间序列决策问题。比如一个司机去接一个乘客,这是一个action,司机的状态、时空都会因此发生变化。

自2017年起,滴滴上线了这一基于强化学习的派单算法,既改善了用户体验,又提升了平台效率。

经过不断的迭代,今年,这一算法击败来自哈佛大学、哥伦比亚大学的对手,拿到了2019年度瓦格纳运筹学杰出实践奖。这是该奖项22年来第一次颁给中国企业。

开源的NLP落地应用

语音、自然语言理解技术,也正在出行场景中落地、创造价值。

叶杰平谈到了滴滴在日本推出的一项服务。假设一个中国人在日本叫车,使用IM时滴滴会提供一套翻译系统。用户输入中文,司机看到的是日语;而当司机用日文回答问题,用户看到的则是经过翻译的中文,这样,双方的沟通就更顺畅、更便捷了。

NLP的另外一个应用场景是客服。滴滴每天会收到超过120万客服进线,并且场景比较复杂,除了咨询类问题,还要处理投诉类问题。很多问题连人都很难做判断,机器就更难回答了。

针对这一场景,滴滴开发了一套基于知识图谱、NLP、语音的系统。现在,每天有超过75%的客服进线是机器智能处理的。

同时,滴滴开发了一套能辅助人工更好地解决问题的系统。比如说用户进线之后,通过语音识别尽快定位用户的问题,从知识库里面找到问题的相关信息,帮助客服更好地进行处理。

此外,在客服解决完用户的问题之后,客服需要写一个摘要,描述到底发生了什么事情,怎么处理的。这时候,让AI来自动生成摘要,就能够极大地提升客服效率。

滴滴目前已开源大量落地应用的NLP技术,如深度学习模型框架delta开源地址如下:

https://github.com/didi/delta

除了NLP,语音识别和人脸识别技术也集成到了滴滴的系统之中。

比如司机通过语音交互来完成部分场景下的接单、订单取消。

又比如在司机首次出车或接单间隙,用人脸识别保证接单司机和注册信息上的司机是同一个人,进一步确保安全。

知识图谱

滴滴采集的信息,有订单信息、司机信息、乘客信息、POI(point of interesting)、定位信息等,属于异构信息。存储异构信息最有效的方式之一就是知识图谱。

知识图谱的一大优点是能做图嵌入,每个实体都可以用向量表达。

滴滴开发了一套基于深度学习的算法,把图嵌入应用到了出行数据上。比如对所有POI做一个出行图谱,并进行聚类分析,即使完全不用经纬度,聚类也完全符合空间的连续性。

再比如用图嵌入分析相似度。叶杰平举了一个有趣的例子,是分析地图上哪些点最像汽车站、火车站和飞机场这样的交通枢纽。

以2019年的国庆数据为例,地图上德胜门和东直门两个点比较突出,但这两个地点既非汽车站,也不是火车站和飞机场。原来,这两个点在国庆期间是很多旅游大巴的起始点,很多人是先到大巴点,然后才到北京各个地方旅游。

叶杰平介绍,未来他们还准备做更多类似的分析,找到出行数据背后隐藏的不为人知的一些规律。

合作生态,团结更多力量让出行更美好

最后,叶杰平谈到,基于在出行领域的经年积累与行业洞察,滴滴意识到不管在出行行业,还是其他领域,很多痛点难点急需技术的变革和推动,以及产业链上各合作伙伴的共同努力

因此,滴滴出行在10月18日提出了AI开放平台,把核心AI技术对外开放。

平台包括以视觉智能、语音智能、语言智能、数据智能、时空智能为代表的五大技术能力与服务,提供合计56项AI开放能力。

同时,整合滴滴AI优势能力与行业资源,推出了4大领域AI解决方案,分别为:智能汽车、智慧城市、智能运营和智能客服。

叶杰平表示,滴滴希望在更多的领域赋能各个产业,积极构建AI合作生态,跟合作伙伴一起推进技术进步、行业升级,实现合作共赢。

叶杰平如是说道:

让AI赋能社会,用技术创造价值,服务用户,让出行更美好。

— 完 —

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ’ᴗ’ ի 追踪AI技术和产品新动态

版权所有,未经授权不得以任何形式转载及使用,违者必究。