4月18日，人工智能頂級科學家、滴滴研究院院長何曉飛在滴滴出行與Udacity合作發布會上首次公開面對媒體，闡述了其對人工智能發展階段的看法，并進一步解密人工智能技術如何落地應用在滴滴平臺上，以及創造了什么成果。
何曉飛曾擔任雅虎研究院科學家，回國后在浙江大學任教，2015年加入滴滴出行。過去15年，他在機器學習、人工智能、計算機視覺等研究領域作出了卓越的貢獻，同時是有科學領域“奧林匹克”之稱的國際模式識別學會會士（IAPR Fellow）。
3月中旬，谷歌人工智能產品“AlphaGo”在圍棋大賽中4：1戰勝人類選手，引發業內熱議。然而，從AlphaGo可以看到，很多人工智能產品目前還處于實驗室階段，距離現實應用還有一定距離。
何曉飛指出，人工智能技術在出行領域的應用探索，滴滴目前走在世界前列。AlphaGo通過自己與自己下棋取得無窮、無限的數據，而滴滴出行每天正常出行本身就可以產生海量數據，通過監控這些數據的產生，又能產生更多維度的數據。而通過與現實出行領域的“對弈”學習，滴滴研究院已經在多個維度取得了階段性突破。
曾經質疑，但人工智能“奇點”已經來臨
何曉飛指出，1950年左右人工智能概念被提出，引發第一次人工智能的浪潮，隨后出現了許多關于人工智能的影視作品。但幾十年來，人工智能領域并未出現革命性產品，導致很多人，甚至做學術的研究人員自己，都不相信人工智能真的可以實現。
近幾年是人工智能爆發的第二次浪潮，與第一次浪潮不同的是，不管是普通大眾還是業內專家，越來越多的人相信，人工智能真的可以實現了，“奇點”即將來臨。而人工智能產品也逐漸走向大眾，除了業內關注的谷歌AlphahGo之外，很多技術已經被應用到一線。
此外，10年前大家在講人工智能的時候，被提到更多的是機器學習，因為人工智能太抽象，并且一直在被懷疑。現在，業內更多在談論人工智能，而機器學習是作為人工智能領域的一個重要術語被業內熟識，當然，接下來更多專業術語會走向大眾，包括監督學習、非監督學習等等。
何曉飛本人相信，在未來3年、5年甚至10年，人工智能會深刻改變生活中的方方面面。而現在，何曉飛帶領的滴滴研究院團隊已經在用人工智能技術，直接作用于出行平臺、產品、技術的方方面面。
硬件技術的發展，也使人工智能“奇點”來臨成為可能。此前CPU(中央處理器)用于數據計算，而GPU（圖形處理器）被用于處理圖形、游戲等領域，隨著硬件普及，GPU可以大量用于數據處理，而通過云計算連接大量GPU/CPU之后，可以進一步滿足人工智能需要的海量計算需求。
滴滴大腦如何跟出行“下棋”
在媒體描述中，AlphaGo會在夜深人靜，計算資源閑置的時候，自己跟自己下棋，通過一次又一次的對弈，獲取無限、無窮的數據規模，進而完成數據的挖掘、分析、學習，實現了“打敗人類”。
而滴滴研究院的“數據大腦”，通過研究每天真實的滴滴出行平臺上產生的數據，以及對這些數據如何產生進行二次追蹤的數據，實現提高出行效率的結果。
目前，滴滴平臺上每天產生超過50TB數據（相當于5萬部電影），超過90億次路徑規劃次數。在過去一年中，滴滴出行平臺完成14.3億訂單，這相當于在中國平均每個人都使用滴滴打過一次車；累計行駛里程達128億公里，相當于環繞中國行駛29萬圈，累計行駛時間達4.9億小時，相當于晝夜不歇的行駛56000年。
之所以每天產生90億量級的路徑規劃數據，是因為每收到一個訂單請求，系統會針對一個區域范圍內的車主、用戶做多次路徑規劃，并從中選擇雙方最優的匹配選項。增加快車拼車產品之后，需要規劃的路徑次數成幾何指數倍增，因為在原有規劃基礎上，又增加了各種變量。
所以滴滴“數據大腦”對弈的是現實出行的海量數據，通過對每天24小時不間斷產生的新數據，以及檢測這些數據本身產生的二度數據，包括ETA、路徑規劃、實際路線、匹配時間等等，進行研究、學習，最終實現訂單匹配效率的提升，司機取得更多收入，乘客更加快捷出行。
何曉飛提到，大數據是石油一般的寶藏，滴滴擁有在全世界范圍內，出行領域最完善的數據資料。挖掘滴滴數據寶藏需要機器學習、深度學習作為工具，機器學習是一個淺層模型，輸入一張圖片、一段語音，輸出可能就是一只狗還是貓。而深度學習是多層的，類似于人的大腦有一個深層次的信息處理傳播，像人一樣去理解數據并且輸出結果。滴滴研究院已經招聘了許多世界一流的科學家在從事這個領域的研究。
最終要實現數據的“預測”功能，而非一直留在“監測”層面。
數據如何預測未來
何曉飛提到，滴滴的目標是建立一個移動的智能出行網絡。這是一個完整的系統，其中包括隨區域、時間變動的定價、訂單的高效匹配、根據供需預測之后的司機運力調度等等。
對于一個具體區域來說，滴滴“數據大腦”已經實現了，提前15分鐘時間內可以實現超過88%準確率的預測，根據預測結果，就可以選擇要不要對司機運力進行調度，使在附近的司機可以提前到達運力緊缺的區域，以緩解可能發生的擁堵。
即通過預測—干預，再次預測-再次干預。通過預測干預來緩解區域的運能緊缺，而非在緊缺之后再通過價格杠桿事后處理。這個思路與目前市面同類產品有本質區別。
以上預測加調度的模式是宏觀視角，另外還有微觀角度的預測。比如一個乘客發送訂單之后，根據算法模型可以預測這個訂單的成交率，這個模型中包括乘客歷史數據的出行習慣，以及周圍司機的出行習慣，進而得出本次訂單能否成交的預測。
預測之后是干預，如果預測乘客訂單成交率比較低，系統會采用反饋手段來激勵司機的接單意愿，促進成交。
何曉飛認為，傳統搜索引擎出來的結果是很多條的，但對于出行領域來說，人工智能運算的結果只有0和1，即乘客的出行能否達成。滴滴所有的數據、算法都在為了匹配用戶和出行工具而努力。
在過去的一年，滴滴已經在多個數據維度產生很大的改變。以快車為例，乘客發單后平均ETA降到4分鐘，節約了60%出行成本，在高峰時期增加5%訂單成交的機會。對于司機來說，每小時訂單成交量提高了20%，平均收入提升了30%~40%。
接下來，技術創新會在滴滴平臺上起到越來越大的作用，而滴滴出行，也要成為一個像Google、Facebook這樣的科技驅動公司。
推薦閱讀
以農業電商為基礎的O2O平臺“買趣網”近日宣布獲得600萬元天使輪投資，據了解，買趣網為青年大學生創業項目。買趣網隸屬于成都眾合樂創網絡科技有限公司，成立于>>>詳細閱讀
本文標題：科學家何曉飛：滴滴“數據大腦”已在現實世界中驅動出行
地址：http://www.sdlzkt.com/a/43/299779.html
網友點評
精彩導讀
科技快報
品牌展示