【51CTO.com原创稿件】2017年7月21日-22日，由51CTO主办的以人工智能为主题的WOTI2017全球创新技术峰会在北京富力万丽酒店隆重举行。峰会期间，30+AI明星，数十场围绕人工智能主题的精彩演讲与圆桌论坛缓缓揭开面纱。会后，记者采访了Uber Tech Lead刘彦东，他将为大家介绍深度学习在Uber中的应用。
刘彦东目前在Uber机器学习平台组担任Tech Lead，领导公司整体的机器学习设计开发工作。他在加入Uber之前曾就职于雅虎硅谷研究院担任资深研究员，主持雅虎多个垂直搜索相关性的研发。刘彦东先后毕业于山东大学计算机系，获取学士学位， Emory大学计算机系获取硕士学位， 以及卡耐基梅隆大学计算机系获取博士学位，并在***学术会议／期刊上发表论文20余篇，引用数超过1000次。
机器学习在Uber的应用
机器学习在Uber的应用场景都有哪些？基本上涵盖Uber业务的方方面面，最基本的是打车业务。打车体验很多方面的应用需要用到机器学习，比如司机指派、到达时间等。其他还有个性化定价、用户体验与公司利益之间做平衡也用到了机器学习。
机器学习平台系统是为了解决什么问题？主要是解决智能决策的问题，机器学习有强大的分析能力，可以从大量的数据中得出一些规律，从而能够帮助人做决策。
据刘彦东说，美国多数大公司的机器学习通常是以平台的形式呈现，Uber也是这样做的。好处就是规范化、迭代速度快。例如，做新业务的部署，去申请好几百台的硬件资源会很费力，每次写申请报告的手续也很繁琐。当有了一个公共的资源池后，就可以节省很多时间。他认为，平台化、规范化是一个趋势，也是一个比较好的选择。
Uber不仅能叫车，还能点餐
在UberEats推出前，美国已经有了很多类似于国内“饿了么、百度外卖”等专门做送餐服务的公司。但刘彦东说，Uber的外卖服务推出后，订单很快超过了10亿单，大概只用了1年时间就迅速成为行业***。
美国很多地方都地广人稀，堵车现象也自然少见，不同于中国送餐员是骑摩托车送餐的，Uber是开汽车送餐。
为何Uber会进入外卖服务领域呢？”Uber平台有网络优势与完善的司机供应链是很大的出发点，点餐又是值得尝试的业务。“刘彦东说，打车业务和送餐业务结合在一起是很容易的，因此，Uber就尝试了。如果司机只能做外卖服务就可能导致资源浪费，因为吃饭的时间相对集中，其他时间司机需求量又比较小。反观Uber，由于司机既可以用来打车，也可以送外卖，加上智能的网络结构和对道路交通状况的精准掌握，因此，Uber可以快速在外卖服务领域后来居上。
个性化推荐订餐服务的配送时间能精确到分钟级
刘彦东说，UberEats的订餐服务可以实现个性化推荐，把一些客户喜欢的菜品放在上面，因为其背后有强大的机器学习技术在不断支撑。相对于中国，他强调，UberEats更智能一些。
另外，据了解， UberEats的配送时间可以精确到分钟级。例如，你点一个餐，平台通过计算，预测23分钟能够送达，而你也只需要等候23分钟即可，而国内目前还做不到。
分钟级别的配送会涉及到很多业务的精准数据和调配。模型的调餐，开始的时候也不是那么准确，这需要不停地迭代和积累数据。比如说，在早期，可以设定一个目标：能否在45分钟之内送达，“是”或“否”，需要一个判断；然后，判断在哪一分钟内到达是有难度的，一步一步去完善。这需要准备大量的数据和虚拟数据，还要采集周围相关数据。例如，餐馆信息、司机信息、天气状况和路上的交通状况，围绕送餐服务把数据采集全才可以提高准确度。
另外一方面，以往的历史信息可以帮你学习这种模型，由于Uber每天都有很多订单，每张订单都有一个真实的到达时间，而且这个时间内可能有几百个历史数据，这样通过机器学习就能推测出准确的配送时间。
机器学习在Uber的未来
送餐服务仅仅是Uber现阶段的一个业务，它未来的目标是在无人驾驶。
刘彦东说，在美国，无人驾驶领域竞争很激烈，大公司在做，车厂在做，很多创业公司也在做，而Uber自然也早早就开始了自己的研究和部署。无人驾驶难度是很大的，但是，他认为，这是一个渐进的过程。首先是特定场景比如园区，卡车业务等等，逐步到高速，市区肯定是***一步。无人驾驶对准确性要求特别高，99.9%的准确度还是做的不够，Uber更希望的是达到99.999%。
【51CTO原创稿件，合作站点转载请注明原文作者和出处为51CTO.com】
