모든 Uber 운행 안에서 돌아가는 AI 엔진

시드니 CBD, 금요일 오후 5시.

사무실이 몇 분 만에 텅 빈다. 레스토랑이 가득 찬다. 40,000명이 거의 같은 순간에 Uber 앱을 연다. 비가 막 내리기 시작했다.

Uber가 지금 당장 답해야 하는 질문은 잔인할 만큼 단순하다. 앞으로 15분 안에 얼마나 많은 운행 요청이 들어올 것인가?

틀리면 결과는 즉각적이다. 긴 대기 시간. 취소. 경쟁사로 옮겨가는 고객들. Uber의 규모에서 예측의 작은 오차는 반올림 문제가 아니다. 수백만 달러로 측정되는 매출 문제다.

대부분의 사람은 Uber가 사후 대응적으로 작동한다고 생각한다. 승객이 앱을 열면 시스템이 허겁지겁 근처 기사를 찾는다. 그렇게 작동하지 않는다.

Uber의 AI 시스템은 하루 24시간 쉬지 않고 수요 예측을 돌린다. 금요일 저녁에 당신이 앱을 열 무렵, Uber는 당신이 올 것을 이미 알고 있다. 당신을 태우러 오는 기사는 정확히 그 위치에서 정확히 그 시간에 수요가 몰릴 것이라고 예측한 예보에 따라 20분 전에 이미 자리를 옮겼을 수 있다.

그 능력은 직관 위에 세워진 것이 아니다. 수학 위에 세워진 것이다.

Uber 규모에서 예측 정확도가 1퍼센트 향상되면 연간 수억 달러의 추가 매출로 이어진다. 극적인 변화 하나가 아니라, 동시에 제거되는 수천 개의 작은 비효율이 매시간 모든 도시에서 쌓여가면서 만들어진다.

이 글은 Uber가 일어나기 전에 미래를 어떻게 예측하는지 다루는 5부작 시리즈의 1부다.

2부에서는 3개 모델의 앙상블 아키텍처를 다룬다. 3부에서는 시드니의 금요일 저녁 실제 숫자로 모든 공식을 하나씩 따라간다. 4부에서는 Python으로 전체 구현을 처음부터 만든다. 5부에서는 대규모로 돌아가는 프로덕션 PyTorch 블루프린트를 보여준다.

모든 계산은 검증되었다. 모든 코드는 실행된다.

함께 따라와 보자. 수학은 대부분의 사람이 예상하는 것보다 훨씬 가깝다.

#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.