滴滴AI负责人叶杰平：你的每一次出行，都已有AI落地的助力

2019年，AI在出行领域遇见了怎样的机遇和挑战？

在首届MEET 2020智能未来大会现场，滴滴出行副总裁、AI Lab负责人，同时也是美国密西根大学教授、新晋IEEE Fellow的叶杰平站在技术视角，分享了他的观点：

有场景，AI赋能可以创造更大价值。他的演讲着重介绍了人工智能如何在出行领域落地，并创造价值。

其中，既谈到了未来交通的愿景，也有贴近生活的AI技术落地案例，还谈到了产业生态带来的价值。

在不改变原意的基础上，量子位对叶杰平教授的演讲进行了编辑整理。

关于MEET2020智能未来大会：现场20多位行业大咖分享，1000多名行业观众参与，线上有近百万从业者通过直播参与观看和互动，包括新华社在内的数十家主流媒体报道，活动整体线上总曝光量超过千万。

未来出行是什么样？

滴滴服务于5.5亿用户，年运送乘客达到100亿次。据叶杰平教授介绍，滴滴每天新增超过100T的轨迹数据。

这是个什么概念呢？举个例子，如果把北京滴滴的轨迹全部集中在一起，基本上可以覆盖北京所有道路300到400次。数据可谓海量。

那么在海量数据的支持下，未来出行/交通会有怎样的变化？

叶杰平结合今年9月份中共中央国务院发布了交通强国智慧交通纲要，以智慧交通国家战略为高度，重新审视和预见未来几年交通会发生翻天覆地的变革，主要集中在三个方面：

交通基础设施，比如信号灯，会越来越智能。
交通工具，未来两个大的趋势是电动化和自动化。
共享出行平台。共享，会使马路交通更加顺畅，环境污染得到极大改善。

而在这其中，AI将会是未来交通非常重要的关键词。

滴滴AI Labs的成立，就是基于AI改变交通的战略。

AI改变交通，场景丰富，落地创造价值

叶杰平指出，滴滴用三层结构来布局人工智能。

最底层是基础的算法。包括强化学习、深度学习、统计、运筹等基础前沿算法。

中间层是核心AI技术。横跨语音识别，NLP，CV，知识图谱等多个领域。

顶层是应用。包括交通基础设施智能化，交通工具的电动化和自动化，以及如何用AI技术提升出行的安全、体验、效率。

而AI的落地应用，早已在赋能滴滴出行。

AI派单

派单，是出行平台最核心的一个模块，即完成司机和乘客的匹配。

滴滴的系统每两秒就会做一次匹配，核心步骤有两个：一是对乘客和司机两两建立匹配度；二是在匹配度的基础上，通过全局最优算法来让每两秒内有最多的乘客能被应答。

而在这其中，滴滴引入了类似于AlphaGo下棋的强化学习算法。因为派单本质上是一个时间序列决策问题。比如一个司机去接一个乘客，这是一个action，司机的状态、时空都会因此发生变化。

自2017年起，滴滴上线了这一基于强化学习的派单算法，既改善了用户体验，又提升了平台效率。

经过不断的迭代，今年，这一算法击败来自哈佛大学、哥伦比亚大学的对手，拿到了2019年度瓦格纳运筹学杰出实践奖。这是该奖项22年来第一次颁给中国企业。

开源的NLP落地应用

语音、自然语言理解技术，也正在出行场景中落地、创造价值。

叶杰平谈到了滴滴在日本推出的一项服务。假设一个中国人在日本叫车，使用IM时滴滴会提供一套翻译系统。用户输入中文，司机看到的是日语；而当司机用日文回答问题，用户看到的则是经过翻译的中文，这样，双方的沟通就更顺畅、更便捷了。

NLP的另外一个应用场景是客服。滴滴每天会收到超过120万客服进线，并且场景比较复杂，除了咨询类问题，还要处理投诉类问题。很多问题连人都很难做判断，机器就更难回答了。

针对这一场景，滴滴开发了一套基于知识图谱、NLP、语音的系统。现在，每天有超过75%的客服进线是机器智能处理的。

同时，滴滴开发了一套能辅助人工更好地解决问题的系统。比如说用户进线之后，通过语音识别尽快定位用户的问题，从知识库里面找到问题的相关信息，帮助客服更好地进行处理。

此外，在客服解决完用户的问题之后，客服需要写一个摘要，描述到底发生了什么事情，怎么处理的。这时候，让AI来自动生成摘要，就能够极大地提升客服效率。

滴滴目前已开源大量落地应用的NLP技术，如深度学习模型框架delta开源地址如下：

https://github.com/didi/delta

除了NLP，语音识别和人脸识别技术也集成到了滴滴的系统之中。

比如司机通过语音交互来完成部分场景下的接单、订单取消。

又比如在司机首次出车或接单间隙，用人脸识别保证接单司机和注册信息上的司机是同一个人，进一步确保安全。

知识图谱

滴滴采集的信息，有订单信息、司机信息、乘客信息、POI（point of interesting）、定位信息等，属于异构信息。存储异构信息最有效的方式之一就是知识图谱。

知识图谱的一大优点是能做图嵌入，每个实体都可以用向量表达。

滴滴开发了一套基于深度学习的算法，把图嵌入应用到了出行数据上。比如对所有POI做一个出行图谱，并进行聚类分析，即使完全不用经纬度，聚类也完全符合空间的连续性。

再比如用图嵌入分析相似度。叶杰平举了一个有趣的例子，是分析地图上哪些点最像汽车站、火车站和飞机场这样的交通枢纽。

以2019年的国庆数据为例，地图上德胜门和东直门两个点比较突出，但这两个地点既非汽车站，也不是火车站和飞机场。原来，这两个点在国庆期间是很多旅游大巴的起始点，很多人是先到大巴点，然后才到北京各个地方旅游。

叶杰平介绍，未来他们还准备做更多类似的分析，找到出行数据背后隐藏的不为人知的一些规律。

合作生态，团结更多力量让出行更美好

最后，叶杰平谈到，基于在出行领域的经年积累与行业洞察，滴滴意识到不管在出行行业，还是其他领域，很多痛点难点急需技术的变革和推动，以及产业链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开放平台，把核心AI技术对外开放。

平台包括以视觉智能、语音智能、语言智能、数据智能、时空智能为代表的五大技术能力与服务，提供合计56项AI开放能力。

同时，整合滴滴AI优势能力与行业资源，推出了4大领域AI解决方案，分别为：智能汽车、智慧城市、智能运营和智能客服。

叶杰平表示，滴滴希望在更多的领域赋能各个产业，积极构建AI合作生态，跟合作伙伴一起推进技术进步、行业升级，实现合作共赢。

叶杰平如是说道：

让AI赋能社会，用技术创造价值，服务用户，让出行更美好。

— 完 —