Die KI-Maschine in jeder Uber-Fahrt

Es ist 17:00 Uhr an einem Freitagabend in Sydneys CBD.

Die Büros leeren sich in Minuten. Die Restaurants füllen sich. 40.000 Menschen öffnen fast im selben Moment ihre Uber-App. Es hat gerade angefangen zu regnen.

Die Frage, die Uber jetzt beantworten muss, ist brutal einfach. Wie viele Fahrtanfragen werden in den nächsten 15 Minuten eingehen?

Liegt man falsch, sind die Konsequenzen sofort da. Lange Wartezeiten. Stornierungen. Kunden, die zur Konkurrenz wechseln. Auf Ubers Niveau ist ein kleiner Prognosefehler kein Rundungsproblem. Es ist ein Umsatzproblem, das in Millionen gemessen wird.

Die meisten Menschen denken, Uber arbeite reaktiv. Ein Fahrgast öffnet die App und das System rast, um einen Fahrer in der Nähe zu finden. So funktioniert es nicht.

Ubers KI-Systeme erstellen Nachfrageprognosen kontinuierlich, 24 Stunden am Tag. Wenn Sie an einem Freitagabend die App öffnen, wusste Uber bereits, dass Sie kommen würden. Der Fahrer, der Sie abholt, wurde möglicherweise schon 20 Minuten früher umpositioniert, basierend auf einer Prognose, die die Nachfrage an genau diesem Ort zu genau dieser Zeit vorhergesagt hat.

Diese Fähigkeit beruht nicht auf Intuition. Sie beruht auf Mathematik.

Eine Verbesserung der Prognosegenauigkeit um 1 Prozent bedeutet auf Ubers Volumen hunderte Millionen Dollar zusätzlichen Jahresumsatz. Nicht durch eine einzige dramatische Änderung, sondern durch tausende kleiner Ineffizienzen, die gleichzeitig beseitigt werden und sich jede Stunde in jeder Stadt summieren.

Dies ist Teil 1 einer 5-teiligen Serie darüber, wie Uber die Zukunft vorhersagt, bevor sie eintritt.

Teil 2 behandelt die Drei-Modell-Ensemble-Architektur. Teil 3 geht jede Formel mit echten Zahlen von einem Freitagabend in Sydney durch. Teil 4 baut die vollständige Implementierung von Grund auf in Python. Teil 5 zeigt den produktiven PyTorch-Bauplan im großen Maßstab.

Jede Berechnung verifiziert. Jede Codezeile läuft.

Bleiben Sie dran. Die Mathematik ist zugänglicher, als die meisten Menschen erwarten.

#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.