Uber的人工智能和机器学习如何改变我们的出租车体验？探索下一代技术！

date

password

icon

hashtag

标题

勘误

type

status

slug

summary

为什么 Uber 被称为人工智能优先公司？

每当我们谈论人工智能等技术时，总是会提到 Uber 和其他知名公司。Uber 也被称为人工智能优先公司。

你们中有些人可能想知道这个术语的含义。人工智能优先的公司是那些在其每个产品和工作流程中都实施人工智能和机器学习的公司。他们认为组织中的每个部门都应该由人工智能驱动。

在机器学习方面，Uber 专注于两个领域，即运营和研究。在运营中，他们评估如何在其产品中实施该技术。另一方面，研究领域的团队专注于构建未来技术。如果您想了解更多信息，可以浏览他们在其网站上发表的研究论文。（来源）。

Michelangelo ：Uber 的机器学习平台

来源（https://www.uber.com/en-IN/blog/michelangelo-machine-learning-model-representation/）

Michelangelo 是公司的内部机器学习平台，旨在帮助数据科学家构建、部署和监控模型。该平台涵盖了所有项目工作流程，包括数据采集、预建模、部署和监控。

该平台可以在机器学习、深度学习和自然语言处理（NLP）3种模型上进行训练。Michelangelo 是 Uber 所有内部团队使用的事实上的平台。

为什么 Uber 需要Michelangelo ？

Uber 构建 ML 平台有两个原因：

1. 标准化

早期，当Uber还是一家小公司时，数据科学家的团队规模较小，模型易于管理。然而，随着公司开始在其他国家扩张，新的区域特定团队开始致力于解决区域特定问题。

由于不同的团队在各自的地点工作，因此没有标准化的程序可以处理。这时，对 Michelangelo 的需求出现了，公司决定利用该平台来简化产品线。

任何创建基于Michelangelo的模型的团队都可以被位于不同地方的其他团队使用。

2. 可扩展性

当优步开始在全球范围内扩张时，数百万用户开始使用该服务。这给工程团队带来了棘手的问题。他们不仅必须建立更好的模型，而且还必须大规模部署它们。

Michelangelo解决了部署问题，数据科学家团队只需专注于构建模型。

Uber 通过人工智能和机器学习使用了哪些功能？

Uber 使用Michelangelo 开发了其功能。让我们看看它们是什么以及它如何使我们受益。

1. ETA（预计到达时间）

来源（https://www.uber.com/en-IN/blog/deepeta-how-uber-predicts-arrival-times/）

外出时你一定已经订过很多次出租车了。优步会提供出租车预计到达的时间范围。这就是我们所说的预计到达时间。Uber 非常重视这个功能。如果显示的预计到达时间错误，客户可能会放弃申请。

传统的路由算法通过分析从A点到B点的最短路径来计算ETA，但没有考虑实时场景，例如下雨、交通、事故等。

为了解决这个问题，Uber采用传统方法加上ML来得到更准确的结果。该公司结合使用历史数据、实时数据和机器学习模型来预测预计到达时间。这个模型被称为 Deep ETA，是在Michelangelo的帮助下建立的。

2. 供需缺口

Uber 需要管理供需缺口来管理其业务。该公司利用其拥有的资源为许多地点提供服务的车辆数量有限。

该公司已将解决方案分为两个步骤来解决该问题。

·需求预测： Uber 使用过去的数据来确定特定地理位置和时间需要多少辆出租车。为了改进预测，该公司从 2019 年开始使用深度学习架构。

·确保供应：例如，某个特定地点对出租车的需求量很大，但所需的出租车却不够。

为了解决这个问题，Uber 向司机展示了一张热图，向他们表明哪里的需求最高。另外还展示了一个价格乘数，它告诉司机在前往该地点后他们将获得多少收入。

3. 一键聊天系统

来源（https://www.uber.com/en-IN/blog/one-click-chat/）

假设您已经预订了一辆出租车并耐心等待它的到来。然而，出租车迟到了，您向司机发送了有关当前状态的消息。对于驾驶员来说，在驾驶时回复消息变得很棘手。

为了解决这个问题，我们构建了一键聊天系统，自动显示问题的多选答案，以提供更好的客户体验。

4. 客户支持（COTA）

来源（https://www.uber.com/en-IN/blog/cota/）

客户支持对于公司至关重要。随着公司的发展，客户也在增长，查询也随之增长。如果不照顾好，客户可能会不满意并离开平台。

此前，当客户提出投诉时，他们必须前往应用程序的帮助部分并解释问题。然后客户团队手动检查问题并尝试找到解决方案。

然而，当 Uber 开始在全球范围内发展时，客户支持团队手动解决问题变得困难。

随后，Uber 创建了一个名为COTA（Customer Obsession Ticket Assistant）的解决方案。它是一个基于机器学习和 NLP 的系统。COTA 首先确定问题的类型，并提供解决问题的可能解决方案。

5. 欺诈检测

来源（https://www.uber.com/en-IN/blog/project-radar-intelligent-early-fraud-detection/）

Uber 创建了一个名为RADAR 的人工智能欺诈检测系统。人工智能系统在有人参与的情况下监控和缓解系统。

您可能知道您可以在下一次旅行开始时支付当前旅行的金额。此外，应用程序中还提供多种付款选项。由于这些原因，欺诈发生的可能性很高。

这时雷达就派上用场了。系统跟踪日常支付活动，如果有任何错误，它会通知风险分析师。然后风险分析师审查系统发送的报告并予以批准。

最后的想法

Uber 在软件产品开发中使用人工智能和机器学习的方式确实令人惊叹。他们如何利用人工智能和机器学习，使他们不仅仅是一家叫车公司。

作者：Pritesh