Mesin AI yang Bekerja di Dalam Setiap Perjalanan Uber

Pukul 17:00 pada Jumat sore di kawasan bisnis Sydney.

Kantor-kantor kosong dalam hitungan menit. Restoran-restoran penuh. 40.000 orang membuka aplikasi Uber mereka hampir bersamaan. Hujan baru saja mulai turun.

Pertanyaan yang harus dijawab Uber saat ini sangat sederhana. Berapa banyak permintaan perjalanan yang akan masuk dalam 15 menit ke depan?

Salah memperkirakan dan konsekuensinya langsung terasa. Penantian lama. Pembatalan. Pelanggan beralih ke kompetitor. Pada skala Uber, kesalahan kecil dalam prediksi bukanlah masalah pembulatan. Itu adalah masalah pendapatan yang diukur dalam jutaan dolar.

Kebanyakan orang mengira Uber bekerja secara reaktif. Seorang penumpang membuka aplikasi dan sistemnya bergegas mencari pengemudi terdekat. Bukan begitu cara kerjanya.

Sistem AI Uber menjalankan prakiraan permintaan terus-menerus, 24 jam sehari. Saat Anda membuka aplikasi pada Jumat sore, Uber sudah tahu Anda akan datang. Pengemudi yang menjemput Anda mungkin sudah dipindahkan posisinya 20 menit sebelumnya berdasarkan prakiraan yang memprediksi permintaan di lokasi persis itu pada waktu persis itu.

Kemampuan itu tidak dibangun di atas intuisi. Ia dibangun di atas matematika.

Peningkatan 1 persen dalam akurasi prakiraan pada volume Uber berarti ratusan juta dolar pendapatan tahunan tambahan. Bukan dari satu perubahan dramatis, melainkan dari ribuan inefisiensi kecil yang dihilangkan secara bersamaan, yang menumpuk setiap jam di setiap kota.

Ini adalah Bagian 1 dari seri 5 bagian tentang bagaimana Uber memprediksi masa depan sebelum terjadi.

Bagian 2 membahas arsitektur ensemble tiga model. Bagian 3 menelusuri setiap rumus dengan angka nyata dari sebuah Jumat sore di Sydney. Bagian 4 membangun implementasi lengkap dari awal dengan Python. Bagian 5 menunjukkan cetak biru produksi PyTorch yang berjalan dalam skala besar.

Setiap perhitungan terverifikasi. Setiap baris kode berjalan.

Ikuti terus. Matematikanya lebih mudah diakses daripada yang dibayangkan kebanyakan orang.

#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.