使用人工智能和机器学习交付类似优步的应用程序的未来

优步是迄今为止国外很受欢迎的拼车应用程序，在全球拥有超过9300万用户。该应用程序是2009年的革命性解决方案;13年来，它的收入一直在增加。2015年，优步是最早采用机器学习处理大数据的公司之一。在接下来的3年里，该应用程序大规模到达人工智能，成为少数几家在短时间内成功整合机器学习战略的公司之一。

让我们更深入地了解优步的价值主张和成功公式。

类似优步的应用程序中的人工智能有多重要?

类似优步的应用程序的基本概念是为司机和客户构建一个高度可扩展的平台。骑手正在寻找一种快速、可靠、个性化且具有成本效益的现代解决方案;司机需要优化时间收益，同时保持工作质量。随着人工智能的进步，曾经看起来不切实际的所有功能都已经在积极使用。这就是人工智能如何改变拼车体验。

预测和预测需求模式，为每个市场的移动需求设计最佳供应。

以高精度预测和改进ETA(预计到达时间)和ETD(预计到达目的地时间)。

深入了解客户行为和偏好，以便以后生成更加个性化的方法。

通过不断学习模式和实时收听事件来提高安全性。

当然，人工智能在类似优步的应用程序中的作用更为突出，该技术将继续改变行业。

2022年的优步人工智能

2009年，人工智能只是一个想法，但优步已经以人工智能为核心。如今，该应用程序在其大部分服务中都使用了人工智能;客户支持优先级、ETA(预计到达时间)和目的地预测、交通预测等。

除了提供的产品和人工智能和机器学习的新增强功能之外，优步还为企业人工智能社区增加了巨大的价值。

在技​​术方面，优步构建了机器学习平台基础设施Michelangelo，这是一个涵盖核心机器学习过程阶段的专有平台。目标是促进大规模构建和部署机器学习解决方案。虽然大多数企业在一次性用例的基础上部署机器学习模型，并且必须定制构建或外包支持软件基础设施，但优步使用米开朗基罗构建了整个流程。米开朗基罗平台地址：

数据收集和准备过程——连接到多个数据湖，通过自定义管道将数据推送到关键特征，并将这些特征保存在数据特征存储中;

模型训练-它利用这些特征来训练各种不同的机器学习模型并衡量它们的成功;

模型评估——它为每种模型类型生成关于重要性能标准的报告，并在模型之间进行比较以确定最佳模型;

根据消费者输入的数据进行在线部署和预测，例如，当他们订购优步时。

所有这些流程的核心是优步人工智能，它是人工智能研究和平台的中心，致力于通过NLP(自然语言处理)、计算机视觉、深度学习、传感器处理等为自己的应用程序提供支持。优步为人工智能社区的发展做出了重大贡献，通过开源项目和出版物帮助其他社区成员从其平台中受益。这意味着现在可以开发像优步一样先进的人工智能按需应用程序。

优步的人工智能：用人工智能推进移动性

尽管优步在实施人工智能方面已经取得突破性进展，但今年(2022年)，优步人工智能研究在需求预测和更顺畅的接送体验方面取得了长足的进步。让我们指出最重要的成就。

利用计算机视觉让骑行更安全、更舒适

现在很明显，优步在人工智能方面认真对待一切。利用这些技术的方法之一是计算机视觉平台，该平台用于在上网时验证驾驶员身份。自动深度学习转录技术使优步能够控制越来越多的司机并确保客户的安全。

使用神经网络增强实时预测

实时操作是优步和类优步应用的核心。通过利用由神经网络支持的机器学习模型，在线跟踪性能变得更加有效，这些模型有助于预测接送ETA、骑手需求并确定硬件容量要求。优步人工智能开发了另外三种工具来实现KPI和改进预测：X-Ray、Gennie和HotStarts，每个工具都负责处理大数据和改进预测。

使用对话式人工智能创建更无缝的通信

客户服务是优步的主要功能，受到最优质的照顾。为了支持一流的端到端体验，同时提供便捷的访问，优步采用了对话式人工智能技术来帮助支持人员正确、快速地回答用户的问题。此外，该平台还允许司机通过免提接机和一键式聊天更轻松地与客户建立联系，从而减少了分心驾驶。

为了超越已经做的事情，优步推出了开源Plato Research Dialogue System，这是一个用于开发、训练和部署会话人工智能代理的会话人工智能平台，允许进行前沿的会话人工智能研究。

通过感知和感知提高定位精度

人工智能和机器学习技术已在拼车应用程序的几乎所有核心​​功能中实现，包括车辆定位。为了促进这一过程，优步推出了传感和感知平台，致力于提高GPS服务的覆盖范围、速度和准确性。

克服GPS限制并拥有更准确的位置可以让乘客和司机更轻松地相互定位，最大限度地减少双方的取消，并提高预计到达时间(ETA)。

发表原创人工智能研究

优步对所有行业的人工智能集成贡献最大，不仅限于按需服务。作为一项宝贵的资产，优步发布了关于其项目的研究出版物、关于对话式人工智能和神经网络的主题、博客文章和开源代码-EvoGrad Python库，用于对用于训练机器学习模型的自然进化类算法进行原型设计，以及Hypothesis GU Funcs(a用于单元测试的Python包)。优步共享的所有这些以及更多资源都有助于人工智能开发以及将类似技术整合到其他应用程序中的能力。

通过开源促进人工智能协作

致力于通过开源对象与社区分享尽可能多的信息和知识，优步人工智能实验室发布了Ludwig的开源深度学习工具箱，供用户在不编码的情况下训练和测试深度学习模型。IBM、Nvidia和Apple也采用了该工具箱。

期待

在优步等按需应用程序出现之前，我们有不同的拼车文化，各有优缺点。今天，我们享受乘车共享应用程序带来的所有舒适，期待创新。

到2025年，我们将拥有的最重要和最具颠覆性的创新之一是绿色未来计划，成千上万的司机将转向电动汽车(EV)。该计划还将有助于人工智能和自动驾驶汽车的发展。

优步推广零排放移动平台，到2040年，优步承诺在全球范围内使用零排放车辆提供100%的乘车服务。可以肯定的是，将会有新的绿色骑行方式并提供可持续的交通替代方案。