如何評價滴滴出行宣布成立人工智慧實驗室 AI Labs?
原文：滴滴出行宣布成立人工智慧實驗室AI Labs
滴滴出行的柳青從2016年起，就開始談到在人工智慧上的投入。
AI Labs也是繼滴滴研究院、滴滴美國研究院之後的第三個AI Lab。
如何看待滴滴在 AI 上的布局和戰略，它希望通過 AI 建立一個怎樣的商業世界？
我還以為滴滴早就建立了人工智慧實驗室呢，現在建已經算後知後覺了。最好在建這個實驗室的同時分出一個組專門做城市中大量行人，車輛的蒙特卡洛模擬。如果蒙特卡洛模擬的數據能夠跟現實交通狀況吻合，那麼就會在短時間裡積累更多的訓練數據，遍歷更多可能，為路線規劃，時間估計以及最優拼車定價帶來助益。城市模擬也能給強化學習中的規劃預測模型帶來幫助。Google的AlphaGo能打敗人類，其中用到的蒙特卡洛樹搜索技術不可或缺。
截至目前，這個問題的答案多數是鍵盤俠在強行開嘲諷。跟風個屁，圈錢個六啊！
滴滴的業務是非常，相當需要AI的。因為交通流量預估是非常複雜的問題，而滴滴的體量還會進一步加劇這種複雜。基於一個複雜的環境做動態的最優化決策問題，請問從實用的角度來說，還有除了機器學習之外的選擇嗎？
其服務的核心策略：路線規劃，時間估計，預測訂單，最優化拼車方案 ，定價方案，哪一個不需要大規模的機器學習系統，哪一個是靠人制定規則能搞定的？
所以人家研究AI不是諸位鍵盤俠嘴裡的跟風，是真的需要用。鍵盤俠理解的人工智慧是啥，下棋說話統治世界？鍵盤俠知不知道什麼叫二級混沌系統？知不知道強化學習不光能玩遊戲？知不知道深度學習不光是語音圖像識別？出行問題是一個新的領域，和傳統的信息流、搜索、推薦、廣告領域相比，沒有太多成熟的工業界演算法可供參考。和出行問題處在相似階段的還有很多。隨著互聯網服務在中國的持續發展以及移動互聯網的興起，越來越多的產品不在局限於鏈接線上的交易，而是開始連接線下服務。這樣的服務往往有三個階段，第一個階段核心競爭力是地推，拼的是線下增長速度；第二個階段是線上運營，拼的是線上營銷能力；第三個階段拼的是技術對業務的優化能力，拼得是精細化運營。外賣、打車、O2O服務、共享單車、分時租賃、快遞配送等業務都有著類似的發展軌跡。而這些問題中很多和出行問題解決方法是類似的，也同樣沒有成熟的解決方案。
傳統的信息流、搜索、推薦、廣告領域本質上是人和內容的匹配，而出行問題則是人和服務的匹配。內容和服務的匹配有很多不一樣的地方。總結而言：
人和內容：內容可以複製。人和內容是一對多關係。內容沒有感情。人對內容容忍度高。內容系統開放度低。
人和服務：服務不可複製。人和服務是一對一關係。服務者有感情。人對服務容忍度底。服務系統開放度高。
內容可以複製，服務不可複製。文章是沒有庫存的，大部分商品的庫存也是幾乎無限的。文章被1個人讀和1萬個人讀是沒有區別的，但是服務不可以。一個時段總服務量是有限的，尤其是一個區域一個時段更是如此。比如下班的時候你周圍可服務的車就是有限的，不可能憑空多出來。
人和內容是一對多關係，人和服務是一對一關係。文章可以被好多人同時多，商品可以同時被好多人一起下單，但是周圍的車一個車只能服務一個人。
內容沒有感情，服務者有感情。一個質量不太好的內容不被閱讀不會有什麼問題，內容還是會在平台上。但是一個服務一般的司機沒有單是顯然不行的。司機會流失。
人對內容容忍度高，人對服務容忍度底。Feed流的一個分頁下發20個內容，只要有幾個和用戶比較吻合用戶就比較滿意，用戶也不會因為內容和自己不匹配而有特彆強的負面情緒，但是一次有問題的服務對於用戶傷害就非常大。
內容系統開放度低，服務系統開放度高。內容系統不會受到太多不可預測的外部因素（除了...不細說）的影響，但是出行系統則不會受到諸多外部問題影響，比如天氣、節假日，交通狀況、市政規劃等。
這裡面的問題都不是規則能處理的，幾乎是只能依賴大規模AI演算法去解決。怎麼在有限信息下規劃路線？怎麼在給多個用戶派單？怎麼預測需求？怎麼定價？怎麼預估訂單時長？怎麼對用戶和司機進行判則？等等...這些問題都不是簡單規則能解決的，出行問題的數據也不像內容相關領域那麼規則化。
那麼回到這個問題，如何評論人工智慧實驗室AI Labs？「機器學習演算法和出行行業結合能大幅度提高整體系統效率」這個判斷大家都可以做出來，但是總需要人去一點一點攻克這些問題，就像當年穀歌不斷優化搜索演算法一樣。可能一開始使用機器學習演算法的效果還不如使用一些簡單規則，但是一點一點來，在這樣規模的問題中，AI總會發揮出巨大的力量。而解決出行問題的技術，也許就是未來服務行業的底層技術的。
用一句雞湯總結就是：種一棵樹最好的時間是十年前，其次是現在。
謝邀。
簡單掃了下有些答案，挺無語的，在出行領域滴滴毫無疑問是世界頂尖的地位，每日訂單2500萬，無數的訂單數據，路況數據，軌跡數據，這樣的公司難道不是最適合做人工智慧的么。
就說地圖的路徑規劃，在技術實力相同的情況下，滴滴的準確率一定會超過百度和高德，為什麼，因為滴滴每天路況收集的數據會是其他兩家的三倍左右。
再普及一個常識，人工智慧領域，技術的框架幾十年前就已經發展的很不錯了，近幾年並沒有太多的突破，但為什麼大家都是這幾年才聽說了，就因為互聯網的發展和智能手機的普及產生了海量的數據，只有充足的數據，演算法的準確率才能提升。如果說演算法是火箭，那麼大數據就是燃料，缺一不可。
之前了解過國內不少公司，基本都會提到人工智慧和大數據，但是滴滴是我所接觸的最能講清楚應該如何用這些數據的公司，很多公司光有數據，在具體怎麼應用上的規劃並不清晰。
隨便舉幾個滴滴應用人工智慧的例子。
- 智能信號燈。傳統的信號燈都是固定的紅燈和綠燈循環秒數，所以我們經常會看到的一個現象就是，東西方向的車流量很大，密密麻麻，但是南北方向空無一車，這樣一來造成了極大的交通資源浪費。目前滴滴已經和一些城市的交管部門合作，提供實時車流量數據，從而智能化信號燈，讓信號燈的放行時間根據實際交通情況決定。
- 潮汐車道。另一個城市中常見的現象就是往往我們去程的方向上道路擁擠，但是另一側回程的道路上很空曠，這樣的情況常發生在早晚高峰期連接辦公區和居民區的道路上。滴滴現在已經在濟南部分地區試運行潮汐車道，用拉鏈車改變道路中間的分隔欄，從而使原本可能四車道的馬路在擁擠的情況下調整成五車道。
- 乘客安全和司機性格打分。滴滴剛起步的時候有過不少安全事件的報道，畢竟滴滴一開始就是個官方的黑車平台而已，司機素質參差不齊。現在滴滴花了很多的資源在乘客安全上，比如一個女生夜間叫車，滴滴通常會將這樣的單派給評價相對更高，更可靠的司機，從而減少不安全事件的發生率。
- 對未來一段時間運力需求的預測。通常人們的叫車地點很有區域性，比如晚高峰的辦公樓，或是比賽結束後的體育館，這樣導致的一個問題就是這一區域的車將很快地被分配完，只能再把其他區域的車調度過來，從而造成大量想要打車的乘客滯留，更長的等待時間。滴滴在做的就是通過強化學習預測未來一段時間，比如半個小時，整個城市各個地方需要的運力是多少，這樣的話可以提前通過一些訂單調度部分車到這樣的地區，從而緩解即將發生的交通壓力。
- 拼車一口價的計算。打過拼車的人都知道，拼車的價格並不像快車一樣根據路程和時間決定，而是直接給你一個一口價。至於這個一口價是怎麼得到的，其實是有一套相當複雜的演算法，比如要考慮到對是否能拼成的預測，繞路多少的預測，所耗時間的預測。簡單說，如果這條線路容易和其他乘客拼成的話，肯定會給一個相對便宜的價格，反之如果這條線路沒什麼訂單，預測很難找到別人和你拼成，那麼拼車的一口價可能就和快車相差無幾。
有空再來補充更多。
講道理，不談滴滴在司機間的口碑如何（很不好），又或是一些運營上的戰略是好是壞，光從技術層面來看，滴滴真的是一家挺不錯的互聯網公司，重視人才，數據驅動。
這幾個月幾乎每晚都坐滴滴，跟很多快車、專車司機聊過，越發得覺得，滴滴共享的不是汽車，而是司機。司機的稀缺以及成本問題不解決，滴滴要想突破目前的瓶頸是不可能的。
而要想要根本上解決司機的問題，唯有無人車。
所以滴滴成立 AI Labs 當然是符合企業長遠戰略的。當然了，短期內AI Labs 估計會做類似路線規劃，上車點規劃，拼車規劃，智能派單等工作。
滴滴研究院不是早就有了么？交通方面這方面研究還是很有必要的，另外吐槽下看過篇滴滴發在kdd上的文章，感覺特別水，不知道啥原因...
謝邀。
滴滴一直都有自己的AI研究團隊，只不過現在加了個頭銜而已。這也是為了更好地招攬人才和儲備人才，就像酷我音樂創始人雷鳴說的那樣，機器學習和人工智慧在社會上是非常大的缺口，供需嚴重不平衡，人工智慧在招聘上非常搶手，但獵頭根本挖不到，都是行業內人士互相推薦，這是人才的稀缺性。
「新成立的AI Labs由滴滴副總裁葉傑平教授領導」，葉傑平何許人也？
葉傑平，滴滴出行副總裁、滴滴出行研究院副院長。美國密歇根大學終身教授，密歇根大學大數據研究中心的管理委員會成員。2005年美國明尼蘇達大學計算機系博士畢業。主要從事機器學習、數據挖掘及大數據分析等方面的研究，尤其在大規模稀疏模型學習方面處於國際領先地位。其在機器學習和數據挖掘國際頂級會議及期刊上共發表論文200餘篇，曾獲得KDD和ICML最佳論文獎以及美國國家自然科學基金會生涯獎（NSF CAREER Award），擔任多個機器學習和數據挖掘領域頂級會議的主席。現任職機器學習和數據挖掘頂級期刊IEEE TPAMI，DMKD和IEEE TKDE的副編委。
對於滴滴這樣的公司這不是最最基礎的嗎。。。現在是文科生都會python調參的時代
在人工智慧機器學習火熱的大背景下，任何一家公司都可以加入進來，畢竟大家都想都撈一塊金無可厚非，但是時間會證明誰是真金，對於滴滴成立AI Labs，還是很有必要的，也是相當重要的一步，縱觀當前的工業界，機器學習領域在過去一年最火最多的方向就是自動駕駛，許多學術界大佬也在不斷探究，更何況滴滴公司的業務方向，不做AI才是最愚蠢的選擇。
對於阿里所說的機器學習是鍊金術的說法，可能源於部分人對機器學習的高估的觀點比如機器學習解決一切問題等，站在一個計算機學科學生非人工智慧方向的學生，我認為我們目前所研究並利用的人工智慧屬於弱人工智慧，不要高估它們的能力和本質，作為一個工具，在驗證有效的前提下，利於我們的生活何樂而不為呢？
謝邀。
雖然不知道為啥被邀如果有招聘，請通知我哈哈哈
怕被老闆看到還是匿了招人么？
滴滴後知後覺呀！人工智慧這個方向，中國這一次是起了個大早，很多企業早早布局，很多中國AI企業都已經嶄露頭角,掌握大數據便利的滴滴居然現在才睡醒。滴滴還是很有前途的如果引入人工智慧。
AI現在如日中天，滴滴想要分一杯羹沒什麼好奇怪的。
滴滴出行研究AI一定會有很多的落地場景對於司機訂單分配對於司機線路規劃以及未來的無人駕駛
都需要AI的研究來加速滴滴的前進
至於有些人說圈錢？too young人要目光長遠些謝邀。我覺得這就是對自己目前狀況以及未來發展有信心的公司應有的布局吧。就算之前沒成立，肯定也是有在做這些東西的。只不過現在告訴大家了，我高調入局了，未來有我一份。還有非常重要的一點忘了說，就是滴滴的業務與人工智慧是分不開的。當然滴滴成立實驗室我認為不僅僅是輔助自己的業務，更多的會和其他實驗室一樣，全面發展。我覺得無人駕駛是一定要做的吧。
才宣布成立嗎？