محرك الذكاء الاصطناعي الذي يعمل داخل كل رحلة أوبر

إنها الساعة 5:00 مساءً في مساء يوم جمعة في الحي التجاري المركزي بسيدني.

تفرغ المكاتب في دقائق. تمتلئ المطاعم. يفتح 40,000 شخص تطبيق أوبر في اللحظة نفسها تقريبًا. المطر بدأ للتو في الهطول.

السؤال الذي يجب على أوبر الإجابة عنه الآن بسيط بوحشية. كم عدد طلبات الرحلات التي ستصل في الدقائق الخمس عشرة القادمة؟

أخطئ في التقدير وتكون العواقب فورية. انتظارات طويلة. إلغاءات. عملاء يتحولون إلى المنافسين. على نطاق أوبر، الخطأ الصغير في التنبؤ ليس مشكلة تقريب أرقام. إنه مشكلة إيرادات تُقاس بالملايين.

يعتقد معظم الناس أن أوبر يعمل بشكل تفاعلي. يفتح الراكب التطبيق ويتسابق النظام للعثور على سائق قريب. ليست هذه هي الطريقة التي يعمل بها.

أنظمة الذكاء الاصطناعي في أوبر تدير توقعات الطلب بشكل مستمر، على مدار 24 ساعة في اليوم. بحلول الوقت الذي تفتح فيه التطبيق مساء يوم جمعة، كانت أوبر تعرف بالفعل أنك قادم. السائق الذي يقلك ربما أُعيد تموضعه قبل 20 دقيقة بناءً على توقع تنبأ بالطلب في ذلك الموقع بالضبط وفي ذلك الوقت بالضبط.

هذه القدرة ليست مبنية على الحدس. إنها مبنية على الرياضيات.

تحسن بنسبة 1 بالمئة في دقة التنبؤ على حجم أوبر يترجم إلى مئات الملايين من الدولارات كإيرادات سنوية إضافية. ليس من تغيير دراماتيكي واحد، بل من آلاف أوجه القصور الصغيرة التي تُزال في وقت واحد، وتتراكم كل ساعة في كل مدينة.

هذا هو الجزء الأول من سلسلة مكونة من 5 أجزاء حول كيفية تنبؤ أوبر بالمستقبل قبل حدوثه.

يغطي الجزء الثاني بنية النماذج الثلاثة المجمعة. يستعرض الجزء الثالث كل معادلة بأرقام حقيقية من مساء جمعة في سيدني. يبني الجزء الرابع التنفيذ الكامل من الصفر بلغة بايثون. يعرض الجزء الخامس مخطط PyTorch الإنتاجي العامل على نطاق واسع.

كل حساب تم التحقق منه. كل سطر من التعليمات البرمجية يعمل.

تابع معنا. الرياضيات أكثر سهولة مما يتوقعه معظم الناس.

#MachineLearning #ArtificialIntelligence #AI #DataScience #Mathematics #Uber #TimeSeriesForecasting #DemandForecasting #AIEngineering #TechLeadership #TheMagicOfHiddenMathematicsInAI #PredictiveAnalytics #DeepLearning #MLOps #Python

Originally published on LinkedIn by Keshavan Thiagaraja. Read the original on LinkedIn.