Войти в систему
Войти с помощью соц. сетей:
Uber построила бизнес-модель на новаторском использовании данных. Компания помогает водителям и пассажирам найти друг друга по информации о местонахождении смартфона. Пассажиры гораздо быстрее получают машину, чем в традиционном такси, откуда Uber переманила клиентов.
Компания работает уже десять лет и все это время использует ИИ. Ее даже называли «первой из пионеров ИИ», имея в виду, что он подкрепляет все ее функции — от маркетинга до координации водителей и пассажиров.
Основная задача таксомоторной компании — доставить пассажира по указанному адресу с минимальными расходами на оплату водителю и бензин. На заказ машины надо реагировать быстро, чтобы клиент не ушел к конкурентам и не уехал на автобусе. Иногда (чаще всего в ночную смену) попадаются не совсем адекватные пассажиры, пьяные или агрессивные. Эти и другие проблемы Uber решает с помощью ИИ.
С помощью ИИ в Uber распределяют заказы между водителями и рассчитывают оптимальные маршруты. На ИИ основана модель ценообразования с повышением ставки при высоком спросе. Она стимулирует водителей выходить на работу дополнительно в периоды активного спроса. А для клиентов так сокращается время ожидания.
Гостиницы, авиакомпании и операторы общественного транспорта уже давно применяют этот метод балансирования спроса. Поэтому номера в гостиницах обычно дороже в высокий сезон. Новшество Uber заключается в продвинутой прогностической технологии. Она регулирует цены в реальном времени и эффективно реагирует на соотношение спроса и предложения.
У многих клиентов Uber два аккаунта — личный и рабочий. ИИ прогнозирует характер поездки. Он исходит из пунктов подачи и назначения и времени суток и автоматически предлагает клиенту при открытии приложения соответствующий аккаунт.
В маркетинге Uber также применяет ИИ: алгоритмы машинного обучения сегментируют клиентов по предполагаемой реакции на виды рекламы. А еще они рассчитывают вероятность отказа от рассылки — это зависит от частоты прочтения сообщений.
Судя по недавней патентной заявке, Uber разработала технологию прогноза опьянения пассажира. Пока о ней официально не заявлено, но логично предположить, что она защищает водителей от неадекватных клиентов. Есть мнение, что это чревато дискриминацией, а пассажир, которому отказали в услуге, может оказаться в неприятной ситуации. К тому же водители с плохими намерениями могут выбирать пассажиров, потенциально неспособных оказать сопротивление. Как бы там ни было, Uber пока не объявляла о внедрении технологии. Похоже, это как раз та этическая проблема, когда возможность применения ИИ не равна необходимости.
На платформе доставки еды Uber Eats компания тоже использует машинное обучение. Здесь нужен максимально точный прогноз времени доставки. Надо учитывать, как долго готовятся блюда, когда водитель приедет за ними в ресторан и сколько будет ехать до заказчика.
Для планирования маршрута и выбора машины Uber использует данные GPS со смартфонов водителя и пассажира. На данных каждого из миллионов заказов алгоритмы учатся точно прогнозировать длительность поездки и сокращать время ожидания подачи машины.
Например, клиент находится на перекрестке. Система изучила загруженность дорог и ограничение скорости и рассчитала, что в точку в пешей доступности от пассажира машина приедет быстрее. В этом случае ИИ предложит человеку переместиться. Для этих задач Uber разработала собственную платформу Michelangelo. В ней хранятся все данные о транзакциях и пользовательском поведении. Еще она обучает и контролирует работу алгоритмов, выбирает самые эффективные модели, прогнозирует и отслеживает точность прогнозов.
В патентованном методе прогноза опьянения пассажира на базе машинного обучения используются следующие данные: как человек передвигается, допускает ли ошибки в сообщении, как ведет себя в приложении. Система сравнивает его действия в данный момент с его же обычным поведением и делает вывод.
Uber основала исследовательское подразделение AI Labs, поглотив в 2016 году Geometric Intelligence. Оно изучает возможности применения глубокого обучения и нейронных сетей вне направления деятельности компании. Среди прочего недавно Uber AI Labs исследовало методы машинного обучения, чтобы идентифицировать виды диких животных на фотографиях Серенгети, и начало разработку языка программирования ИИ Pyro с открытым кодом.
Сокращение времени подачи машины и более быстрые маршруты нравятся клиентам и заставляют их снова прибегать к услугам компании. Успех машинного обучения и прогностических моделей показал, что Uber из основанного в Сан-Франциско стартапа выросла в международную сеть.
По заявлению компании, 80% достижений стали возможны благодаря прогнозированию выбора между личным и рабочим аккаунтами в приложении.
Войти с помощью соц. сетей: