O motor de IA que funciona dentro de cada viagem de Uber

São 17h de uma sexta-feira à tarde no centro de Sydney.

Os escritórios esvaziam em minutos. Os restaurantes enchem. 40.000 pessoas abrem o aplicativo da Uber quase ao mesmo tempo. A chuva acabou de começar a cair.

A pergunta que a Uber precisa responder agora é brutalmente simples. Quantos pedidos de viagem vão chegar nos próximos 15 minutos?

Erre e as consequências são imediatas. Esperas longas. Cancelamentos. Clientes migrando para os concorrentes. Na escala da Uber, um pequeno erro na previsão não é um problema de arredondamento. É um problema de receita medido em milhões.

A maioria das pessoas acha que a Uber funciona de forma reativa. Um passageiro abre o aplicativo e o sistema corre para encontrar um motorista por perto. Não é assim que funciona.

Os sistemas de IA da Uber executam previsões de demanda continuamente, 24 horas por dia. Quando você abre o aplicativo numa sexta-feira à tarde, a Uber já sabia que você viria. O motorista que vai te buscar pode ter sido reposicionado 20 minutos antes com base numa previsão que antecipou a demanda naquele local exato àquela hora exata.

Essa capacidade não foi construída sobre intuição. Foi construída sobre matemática.

Uma melhoria de 1 por cento na precisão das previsões, no volume da Uber, se traduz em centenas de milhões de dólares de receita anual adicional. Não de uma mudança dramática, mas de milhares de pequenas ineficiências eliminadas simultaneamente, que se acumulam a cada hora em cada cidade.

Esta é a Parte 1 de uma série de 5 partes sobre como a Uber prevê o futuro antes que ele aconteça.

A Parte 2 cobre a arquitetura do conjunto de três modelos. A Parte 3 percorre cada fórmula com números reais de uma sexta-feira à tarde em Sydney. A Parte 4 constrói a implementação completa do zero em Python. A Parte 5 mostra o plano de produção PyTorch rodando em escala.

Cada cálculo verificado. Cada linha de código funciona.

Acompanhe. A matemática é mais acessível do que a maioria das pessoas imagina.

#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.