阿里云有个“怪”博士团队,竟用AI让1亿人吃上了热饭

简介: 面对全国1亿人“嗷嗷待哺”的胃,和百万外卖骑手每天多走的冤枉路。阿里云和饿了么打算用人工智能ET解决这一难题。但这么庞大的题,世界上恐怕还没有人解过。难题落到了人工智能团队身上。“怪”博士如何解决这一难题?

这个“怪”博士团队,竟用AI让1亿人吃上了热饭

初见闵万里博士,他从阿里云杭州办公室探出脑袋,粉色格纹衫加上金边眼镜,一下子跳出了灰霾的背景。见到笔者突然笑起来,眼睛眯成一道月牙,俨然从电影里走出来的,奇异博士。

自带了柔光和儒雅气质,这可和严肃的“科学家博士”不太一样。

然而就是闵万里所在的公司——阿里云,竟然用AI解决了饿了么8年以来的“痛点”。让1亿中国人吃上了“热饭”——

1月11日,饿了么对外透露正和阿里云合作,研发人工智能ET调度引擎。这次技术“联姻”,将会使外卖行业走向AI时代。

是谁:这个博士有点“怪”

7岁常考0分,14岁上了少年班,19岁考到芝加哥大学,毕业后转向IBM T J Watson 研究院钻研8年,2年Google,而后进入阿里巴巴,自嘲“第二人生”的开启。他就是阿里云人工智能团队科学家闵万里博士。

尽管这样的经历很“摇滚”,闵万里的信仰却很“古典”。和世界趋同或漫不经心都与他无关,理想的生活状态是“既可以在太平洋海岸晒太阳,又能和阿里云步调一致——为社会真正做点什么。”

在大部分人看起来,闵万里团队到此前做过的事情,似乎很难和他萌萌的外观联系在一起。不过,除了研究用数学和人工智能解决难题之外,他最大的爱好却是写诗。在最近一次黄山行中,他匆匆在手机备忘录写下:“清风斜雨漫山游,苍石潺水写春秋”。

就是这么一个把玩着人生的快与慢的博士。一同在思考的,是一个更庞大的社会问题。

世界难题:不只是1亿“宅”的

2015年末,饿了么团队第一次和阿里云碰头。谁都没想到而这一“碰”,碰出了一个“世界性”难题。

“吊胃口”,说到现在的外卖市场的心头病,大多数人都会皱起眉头。

在人人都是资深“外卖专家”的时代,阿里云的许多工程师,包括闵万里博士也有过“抓狂”的经历:“系统里显示餐已经到了,结果小哥1个小时候才到,这真叫人吊胃口。”

面对全国1亿人“嗷嗷待哺”的胃,和百万外卖骑手每天多走的冤枉路。阿里云和饿了么打算用人工智能ET解决这一难题。但这么庞大的题,世界上恐怕还没有人解过。难题落到了人工智能团队身上。

“技术上非常复杂,如果非要简化比喻的话”,闵万里撩起了袖子,在纸上画了10个点,“骑手们面临的问题是:用最短的线把N个点连起来,而这每个点都在变化,突然消失或出现。这些点就是叫外卖的人。”

这个“怪”博士团队,竟用AI让1亿人吃上了热饭


当这些点数增加一万乃至千万个量级,题目就变得更加不可控了,尤其是再受到天气、区域路况的影响。

之前是人工叫单,骑手们看到哪个单就派哪个单,全靠经验。送的不及时,骑手承担感情责任,吃饭的则有苦无处说。

这个“怪”博士团队,竟用AI让1亿人吃上了热饭

(凌晨2点,阿里云人工智能团队在碰更优的解法)

接了这个问题的人工智能团队各个都打了鸡血。用算法来仿真现实,用代码来衡量变量,这群年轻的智慧在不眠不休中,终于迸发了灵感。

通过ET多维度的算法,精确预估餐厅出餐时间、骑手个性化骑行速度、取餐等待时间,给了骑手最优的判断和选择。

这个“怪”博士团队,竟用AI让1亿人吃上了热饭

“简单来说,就是小哥知道怎样最快地赶到你那儿。”团队主干之一剑儒说道。这个技术已经开始全国多个点逐步测试,ET的表现非常可观。可以说,是对于千万“宅民”们的“福音”。

这种“帮忙”,阿里云似曾相识。

早在2014年,快的打车和滴滴打车正交锋难分胜负,阿里云人工智能团队为快的打车研发了一套“人车分配”的智能算法调度系统,在2014年底上线,大幅提高了司机抢单成功率及压缩了派单等待时长。

这也是阿里云人工智能团队在社会级调度领域的第一次出手。说到最近热议的共享单车热潮,在该团队眼里,其实也是一个巨大的算法,“单车流动和人流的调配,我们现在已经有了更好的解法。”

此前,人工智能还担任“城市大脑”调度交通。“包括互联O2O企业在内的一大批新经济体,都在试图解决一个经济学的根本问题:供需匹配。而今天解决此经典难题的杠杆找到了人工智能这个支点。” 闵万里补充道。

“我相信未来所有的行业,都会需要用技术来提升竞争门槛,这个趋势从互联网的出现就已经注定。”

孤独感:AI是解决无规律的事情

“AlphaGO下围棋厉害,但并没有让我感到兴奋,”闵万里摸了摸脖子,“早在千年之前,算盘就超过了人,都是规律的游戏,最难的是挑战那些无规律的未知。”

说到“无规律”,他举了个例子。“AI有时很绝妙,有时让人哭笑不得。”在饿了么项目中,ET在绝大多数城市试点中表现不俗,而在成都试点时,却出现意想不到的超时。“成都人不同于北上广,懒的出门,习惯早午饭一起吃。这对ET来说是个意外。”

现在,阿里云让人工智能ET学习成都的风土人情,学习成都人的“慵懒个性”,试着探索无规律的有序。

最大的无规律挑战是:饿了么是国内最大的外卖平台,连锁店和各类特色小吃,调度复杂度难度至少是其他企业好几倍。

不止是解决1亿人吃热饭的问题。搭上时代的脉搏,阿里云在做着的,正是海浪迭起的“无规律”的事儿。

在城市,夜吞下我们,梦吐出我们。会做梦的人是很了不起的,把梦炼为现实的人更了不起。

--本文分享来自 @今日头条

相关文章
|
3天前
|
人工智能 Java Serverless
阿里云函数计算助力AI大模型快速部署
随着人工智能技术的快速发展,AI大模型已经成为企业数字化转型的重要工具。然而,对于许多业务人员、开发者以及企业来说,探索和利用AI大模型仍然面临诸多挑战。业务人员可能缺乏编程技能,难以快速上手AI模型;开发者可能受限于GPU资源,无法高效构建和部署AI应用;企业则希望简化技术门槛,以更低的成本和更高的效率利用AI大模型。
33 12
|
6天前
|
人工智能 NoSQL MongoDB
阿里云与MongoDB庆祝合作五周年,展望AI赋能新未来
阿里云与MongoDB庆祝合作五周年,展望AI赋能新未来
|
1天前
|
人工智能 Cloud Native 调度
阿里云容器服务在AI智算场景的创新与实践
本文源自张凯在2024云栖大会的演讲,介绍了阿里云容器服务在AI智算领域的创新与实践。从2018年推出首个开源GPU容器共享调度方案至今,阿里云容器服务不断推进云原生AI的发展,包括增强GPU可观测性、实现多集群跨地域统一调度、优化大模型推理引擎部署、提供灵活的弹性伸缩策略等,旨在为客户提供高效、低成本的云原生AI解决方案。
|
6天前
|
人工智能
带上团队一起来做 AI 编程实践丨通义灵码联合TGO鲲鹏会开启 AI 大课
带上团队一起来做 AI 编程实践丨通义灵码联合TGO鲲鹏会开启 AI 大课
|
8天前
|
人工智能 自然语言处理 数据挖掘
田渊栋团队新作祭出Agent-as-a-Judge!AI智能体自我审判,成本暴跌97%
田渊栋团队提出Agent-as-a-Judge框架,利用智能体自身评估其他智能体的性能,不仅关注最终结果,还能提供中间反馈,更全面准确地反映智能体的真实能力。该框架在DevAI基准测试中表现出色,成本效益显著,为智能体的自我改进提供了有力支持。
18 7
|
8天前
|
人工智能 数据可视化 专有云
阿里云飞天企业版获评2024年AI云典型案例
近日,由全球数字经济大会组委会主办、中国信息通信研究院和中国通信企业协会承办的“云·AI·计算国际合作论坛”作为2024全球数字经济大会系列活动之一,在北京举办。论坛以“智启云端,算绘蓝图”为主题,围绕云·AI·计算产业发展、关键技术、最佳实践等展开交流讨论。阿里云飞天企业版异构算力调度平台获评2024年AI云典型案例。
|
13天前
|
存储 人工智能 缓存
官宣开源 阿里云与清华大学共建AI大模型推理项目Mooncake
近日,清华大学和研究组织9#AISoft,联合以阿里云为代表的多家企业和研究机构,正式开源大模型资源池化项目 Mooncake。
|
8天前
|
人工智能 Kubernetes Cloud Native
荣获2024年AI Cloud Native典型案例,阿里云容器产品技术能力获认可
2024全球数字经济大会云·AI·计算创新发展大会,阿里云容器服务团队携手客户,荣获“2024年AI Cloud Native典型案例”。
|
1天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用