موتور هوش مصنوعی که درون هر سفر اوبر کار میکند
ساعت ۵ عصر یک جمعه در مرکز شهر سیدنی است.
دفاتر در چند دقیقه خالی میشوند. رستورانها پر میشوند. ۴۰٬۰۰۰ نفر تقریباً در یک لحظه اپلیکیشن اوبر خود را باز میکنند. باران تازه شروع به باریدن کرده است.
سؤالی که اوبر همین حالا باید به آن پاسخ دهد بهشدت ساده است. در ۱۵ دقیقه آینده چند درخواست سفر خواهد رسید؟
اگر اشتباه کند، عواقب فوری است. انتظارهای طولانی. لغوها. مشتریانی که سراغ رقبا میروند. در مقیاس اوبر، یک خطای کوچک در پیشبینی مسئله گرد کردن اعداد نیست. یک مسئله درآمدی است که با میلیونها دلار سنجیده میشود.
بیشتر مردم فکر میکنند اوبر واکنشی کار میکند. مسافر اپلیکیشن را باز میکند و سیستم برای پیدا کردن رانندهای نزدیک به تکاپو میافتد. اینطور کار نمیکند.
سیستمهای هوش مصنوعی اوبر پیشبینی تقاضا را بهطور پیوسته، ۲۴ ساعت شبانهروز، اجرا میکنند. وقتی جمعه عصر اپلیکیشن را باز میکنید، اوبر از قبل میدانست که میآیید. رانندهای که شما را سوار میکند ممکن است ۲۰ دقیقه زودتر، بر اساس پیشبینیای که تقاضا را دقیقاً در همان مکان و دقیقاً در همان زمان پیشبینی کرده بود، جابهجا شده باشد.
این توانایی بر شهود بنا نشده است. بر ریاضیات بنا شده است.
بهبود ۱ درصدی در دقت پیشبینی، در حجم اوبر، به صدها میلیون دلار درآمد سالانه اضافی تبدیل میشود. نه از یک تغییر چشمگیر، بلکه از حذف همزمان هزاران ناکارآمدی کوچک که هر ساعت در هر شهر انباشته میشوند.
این بخش اول از یک مجموعه ۵ قسمتی درباره این است که اوبر چگونه آینده را پیش از وقوع پیشبینی میکند.
بخش دوم معماری گروه سه مدله را پوشش میدهد. بخش سوم هر فرمول را با اعداد واقعی از یک جمعه عصر در سیدنی مرور میکند. بخش چهارم پیادهسازی کامل را از صفر با پایتون میسازد. بخش پنجم نقشه تولیدی PyTorch در حال اجرا در مقیاس را نشان میدهد.
هر محاسبه تأیید شده. هر خط کد اجرا میشود.
همراه باشید. ریاضیات از آنچه بیشتر مردم انتظار دارند در دسترستر است.
#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.
