魚羊 整理自 MEET2020
量子位 報導 | 公眾號 QbitAI
2019年，AI在出行領域遇見了怎樣的機遇和挑戰？
在首屆MEET 2020智慧未來大會現場，滴滴出行副總裁、AI Lab負責人，同時也是美國密西根大學教授、新晉IEEE Fellow的葉傑平站在技術視角，分享了他的觀點：
有場景，AI賦能可以創造更大價值。他的演講著重介紹了人工智慧如何在出行領域落地，並創造價值。
其中，既談到了未來交通的願景，也有貼近生活的AI技術落地案例，還談到了產業生態帶來的價值。
在不改變原意的基礎上，量子位對葉傑平教授的演講進行了編輯整理。
關於MEET2020智慧未來大會：現場20多位行業大咖分享，1000多名行業觀眾參與，線上有近百萬從業者通過直播參與觀看和互動，包括新華社在內的數十家主流媒體報導，活動整體線上總曝光量超過千萬。
未來出行是什麼樣？
滴滴服務於5.5億使用者，年運送乘客達到100億次。據葉傑平教授介紹，滴滴每天新增超過100T的軌跡資料。
這是個什麼概念呢？舉個例子，如果把北京滴滴的軌跡全部集中在一起，基本上可以覆蓋北京所有道路300到400次。資料可謂海量。
那麼在海量資料的支援下，未來出行/交通會有怎樣的變化？
葉傑平結合今年9月份ZGZY GWY釋出了交通強國智慧交通綱要，以智慧交通國家戰略為高度，重新審視和預見未來幾年交通會發生翻天覆地的變革，主要集中在三個方面：
- 交通基礎設施，比如訊號燈，會越來越智慧。
- 交通工具，未來兩個大的趨勢是電動化和自動化。
- 共享出行平臺。共享，會使馬路交通更加順暢，環境汙染得到極大改善。
而在這其中，AI將會是未來交通非常重要的關鍵詞。
滴滴AI Labs的成立，就是基於AI改變交通的戰略。
AI改變交通，場景豐富，落地創造價值
葉傑平指出，滴滴用三層結構來佈局人工智慧。
最底層是基礎的演算法。包括強化學習、深度學習、統計、運籌等基礎前沿演算法。
中間層是核心AI技術。橫跨語音識別，NLP，CV，知識圖譜等多個領域。
頂層是應用。包括交通基礎設施智慧化，交通工具的電動化和自動化，以及如何用AI技術提升出行的安全、體驗、效率。
而AI的落地應用，早已在賦能滴滴出行。
AI派單
派單，是出行平臺最核心的一個模組，即完成司機和乘客的匹配。
滴滴的系統每兩秒就會做一次匹配，核心步驟有兩個：一是對乘客和司機兩兩建立匹配度；二是在匹配度的基礎上，通過全域性最優演算法來讓每兩秒內有最多的乘客能被應答。
而在這其中，滴滴引入了類似於AlphaGo下棋的強化學習演算法。因為派單本質上是一個時間序列決策問題。比如一個司機去接一個乘客，這是一個action，司機的狀態、時空都會因此發生變化。
自2017年起，滴滴上線了這一基於強化學習的派單演算法，既改善了使用者體驗，又提升了平臺效率。
經過不斷的迭代，今年，這一演算法擊敗來自哈佛大學、哥倫比亞大學的對手，拿到了2019年度瓦格納運籌學傑出實踐獎。這是該獎項22年來第一次頒給中國企業。
開源的NLP落地應用
語音、自然語言理解技術，也正在出行場景中落地、創造價值。
葉傑平談到了滴滴在日本推出的一項服務。假設一箇中國人在日本叫車，使用IM時滴滴會提供一套翻譯系統。使用者輸入中文，司機看到的是日語；而當司機用日文回答問題，使用者看到的則是經過翻譯的中文，這樣，雙方的溝通就更順暢、更便捷了。
NLP的另外一個應用場景是客服。滴滴每天會收到超過120萬客服進線，並且場景比較複雜，除了諮詢類問題，還要處理投訴類問題。很多問題連人都很難做判斷，機器就更難回答了。
針對這一場景，滴滴開發了一套基於知識圖譜、NLP、語音的系統。現在，每天有超過75%的客服進線是機器智慧處理的。
同時，滴滴開發了一套能輔助人工更好地解決問題的系統。比如說使用者進線之後，通過語音識別儘快定位使用者的問題，從知識庫裡面找到問題的相關資訊，幫助客服更好地進行處理。
此外，在客服解決完使用者的問題之後，客服需要寫一個摘要，描述到底發生了什麼事情，怎麼處理的。這時候，讓AI來自動生成摘要，就能夠極大地提升客服效率。
滴滴目前已開源大量落地應用的NLP技術，如深度學習模型框架delta開源地址如下：
https://github.com/didi/delta
除了NLP，語音識別和人臉識別技術也整合到了滴滴的系統之中。
比如司機通過語音互動來完成部分場景下的接單、訂單取消。
又比如在司機首次出車或接單間隙，用人臉識別保證接單司機和註冊資訊上的司機是同一個人，進一步確保安全。
知識圖譜
滴滴採集的資訊，有訂單資訊、司機資訊、乘客資訊、POI（point of interesting）、定位資訊等，屬於異構資訊。儲存異構資訊最有效的方式之一就是知識圖譜。
知識圖譜的一大優點是能做圖嵌入，每個實體都可以用向量表達。
滴滴開發了一套基於深度學習的演算法，把圖嵌入應用到了出行資料上。比如對所有POI做一個出行圖譜，並進行聚類分析，即使完全不用經緯度，聚類也完全符合空間的連續性。
再比如用圖嵌入分析相似度。葉傑平舉了一個有趣的例子，是分析地圖上哪些點最像汽車站、火車站和飛機場這樣的交通樞紐。
以2019年的國慶資料為例，地圖上德勝門和東直門兩個點比較突出，但這兩個地點既非汽車站，也不是火車站和飛機場。原來，這兩個點在國慶期間是很多旅遊大巴的起始點，很多人是先到大巴點，然後才到北京各個地方旅遊。
葉傑平介紹，未來他們還準備做更多類似的分析，找到出行資料背後隱藏的不為人知的一些規律。
合作生態，團結更多力量讓出行更美好
最後，葉傑平談到，基於在出行領域的經年積累與行業洞察，滴滴意識到不管在出行行業，還是其他領域，很多痛點難點急需技術的變革和推動，以及產業鏈上各合作伙伴的共同努力
因此，滴滴出行在10月18日提出了AI開放平臺，把核心AI技術對外開放。
平臺包括以視覺智慧、語音智慧、語言智慧、資料智慧、時空智慧為代表的五大技術能力與服務，提供合計56項AI開放能力。
同時，整合滴滴AI優勢能力與行業資源，推出了4大領域AI解決方案，分別為：智慧汽車、智慧城市、智慧運營和智慧客服。
葉傑平表示，滴滴希望在更多的領域賦能各個產業，積極構建AI合作生態，跟合作伙伴一起推進技術進步、行業升級，實現合作共贏。
葉傑平如是說道：
讓AI賦能社會，用技術創造價值，服務使用者，讓出行更美好。
— 完 —