揭祕 · 外賣系統背後的AI人工智慧

近期，一篇名為「外賣騎手，困在系統裡」的文章在各大社交網站刷屏。文章中透露出的外賣員的困境讓人無奈和心塞，讓人不禁反思到底是演算法過於精明還是人心過於無情。相信作為編寫系統的程式設計師而言，看過此文的感觸應該比小編更深刻。

不知道有人是否還記得兩年前騰訊程式設計師裸辭去做外賣員的新聞，現在看來，其實各行各業各有難處。不過本篇文章並不在討論職位的好壞，討論外賣系統演算法裡的對與錯，而是著重於文章中提到的美團超腦系統與其背後的AI技術。

AI技術在超腦系統的實踐

由於超腦系統的運作主要在人員配送落地，所以要求AI技術必須能夠面對複雜的線下物理世界，必須能深度感知、正確理解與準確預測、並且瞬間完成複雜決策。

主要的實踐方面

1 大資料處理和計算能力

包括實時特徵計算、離線資料處理、機器學習平臺等。
2 建立對世界深度感知

LBS系統：提供正確位置（使用者/商戶/騎手）以及兩點之間正確的騎行導航。
多感測器：提供室內定位以、精細化場景刻畫、騎手運動狀態識別。
3 正確理解和準確預測

提供所有配送環節時間、銷量及運力預估。
4 完成複雜決策

排程系統：多人多點實時排程系統，完成派單決策。
定價系統：實時動態定價系統，完成定價決策。
規劃系統：配送網路規劃系統，完成規劃決策。

AI技術發展

1956年，在由達特茅斯學院舉辦的一次會議上，計算機專家約翰·麥卡錫提出了「人工智慧」一詞。就在這次會議後不久，麥卡錫從達特茅斯搬到了MIT。同年，明斯基也搬到了這裡，之後兩人共同建立了世界上第一座人工智慧實驗室——MIT AI LAB實驗室。茅斯會議正式確立了AI這一術語，並且開始從學術角度對AI展開了嚴肅而精專的研究。在那之後不久，最早的一批人工智慧學者和技術開始湧現。

AI重大歷史事件時間軸

我國《人工智慧標準化白皮書(2018年)》中給出了人工智慧的定義：「人工智慧是利用數字計算機或者由數字計算機控制的機器，模擬、延伸和擴充套件人類的智慧，感知環境、獲取知識並使用知識獲得最佳結果的理論、方法、技術和應用系統。」

隨著計算機技術的不斷提高，應用範圍的不斷開拓，AI的思考越來越「人性化」。今年疫情期間，越來越多的人工智慧產品在我們的生活中承擔了越來越多的角色，比如各大公司商場免接觸的測溫員、免接觸的配送員、採用病情AI診斷技術工作的醫生、藥物研發師等，橫跨製造業、服務業、高科技產業。

在最近的2020中國國際服務貿易交易會上，知名頭部人工智慧資料服務商——雲測資料宣佈，AI資料標註專案最高交付精準度已經達到99.99%，這是一個創紀錄的數字，建立了資料標註的一個全新標準。更為重要的是，它開啟了AI人工智慧高速發展的大門。

相信未來，AI不僅能夠穩固地用於中低端產品製造業，也可以滿足更多多元化、高科技的產品需求。

總結+題庫分享

當然，這些需求的變化一定會影響AI行業人才的發展。如今，國家方面更注重基礎科學人才的培養，對於初創企業以政府引導基金的形式進行扶持，稅收政策上也有減免傾向。在政策利好的環境下，近年各大廠為了搶佔市場不斷調整技術佈局，在加大研發力度的同時也在廣招人才。前文中提到的美團「超腦」系統則是由此而來。

如果你想為未來儲力，進入AI行業，以下這份題庫你一定需要。該題庫是AI方向的面試題，主要形式是問答，內容包含基礎理論知識和具體的演算法技術提升方法。不管你是該技術的入門者還是進階者，這份資料都值得你一看。