2023年滴滴成立了機器學習研究院，之後改名為滴滴研究院
首先精確定位使用者的位置，下方列出使用者所要去的目的地【猜您要去】。
使用者的出行在時間上和空間上大多遵循某種特定的模式，例如：八點從家到公司，18點從公司到家等。利用使用者的出行資料從時間和地點中**使用者去的目的地。有了出發地和目的地**全程的**
涉及到路徑規劃和時間預估（eta）。找到起點a 到終點b 的最佳路徑後計算出距離（圖論知識+本城市中的所有計程車司機的出行模式，大多數司機們選擇的路徑）。估算起點到終點需要的時間。結合路徑和時間，給出乙個預估價。檢視所有使用者的出行模式，檢視此條路線是否為熱門路線。（1） 乘客與司機匹配星**
做訂單匹配，為叫車使用者找到最適合的司機。
i. 基本：距離和時間上最近的司機。
ii. 個性化搜尋，根據使用者偏好，滿足使用者的個性化需求。
iii. 如果使用者選擇拼車，系統如何找到最適合的一輛車：這輛車有可能是空車，也有可能是載人車，與此同時，算出 a 到 b 的時間。？？
（2）. 熱力圖–針對司機，**未來的半個小時的**大的地區，資料融合，例如某處舉辦大型演唱會等可以聚集大規模人群活動。星**
（3）. 滴滴人工智慧的核心：訂單分配
綜合考慮路況和堵車等因素，訂單最優匹配需要遵循兩大核心：做出最優路徑規劃，預估時間。（1）大規模匹配星**
把滴滴看做是一種搜尋引擎，即乘客搜尋司機。滴滴資料量特別大，每乙個乘客需要跟周圍上百個司機匹配。在任何乙個時刻，滴滴的匹配量高達千萬次以上，且任一時刻要完成實時性非常強千萬次的路徑規劃。
所以滴滴建立起了乙個機器學習系統，該系統包含歷史資料和實時資料（實時記錄車輛行駛的速度和路況)。然後找特徵，建立系統，也可用深度學習做路徑規劃和時間預估。 接下來做最優匹配（可以考慮計程車、快車、專車、豪華車等等多條業務線）。
在北京，高峰期大家打車困難可能會認為是由於運力不夠導致，但經過分析發現，在高峰期滴滴的運力其實是足夠的，主要是因為車輛分布不合理。為此我們開發了一套系統，把整個地球分割成無數個六邊形。每一時刻都在檢測每乙個六邊形，然後在某個六邊形裡面計算訂單數和空車數，計算供需是否平衡。
（2）運力問題解決星**
動態調價、供需**、運力排程
（3）**乘客體驗星**
行程結束後，**乘客的體驗是好是壞。由於歷史訂單中有些乘客會進行投訴，比如說拼車匹配欠佳、繞路。而有些使用者則會給出好評。我們從大量歷史資料學習出來哪些特徵是導致乘客抱怨的原因，哪些特徵會導致好評。綜合分析大量乘客的打分和評語資料。
（4）系統視覺化星**
人工智慧系統
人工智慧系統 我做了乙個夢，夢中看到人如果想長生不老只要保留其思想和智慧型，並不要保留其肉體，或者是因為看了 怒火攻心2 高壓電 才做的夢，其實留下乙個大腦存在就算是永生嗎？見到仇人一定會生氣，僅此而已，那麼永生又有什麼意義？不過這不是夢的全部。在夢中我看到為了實現對農業自動噴淋系統，需要在水管入口...
人工智慧系統
人工智慧系統 我做了乙個夢。假設你想永遠生活夢中見到的人只是想保住他們的思想和智慧型，我們不想讓他們的肉，還是因為看 曲柄2 高壓 只有夢想做的，離開大腦的事實存在，甚至永生它？看到敵人會生氣，這是唯一的，那麼，什麼是永恆的生命點？不是夢的所有。在夢中我看到為了實現對農業自己主動噴淋系統，須要在水管...
如何系統學習人工智慧
人工智慧入行三個要點 英語 理論 工程。經典教材全部為英語1 翻譯總是不通順，不如原著容易理解 2 lost in translation 最重要的科研成果全部英文 1 翻譯永遠趕不上新知識產生的速度 2 有能力創新的ai人才也都會用英語發表自己的成果 社群都是英語環境 1 github 2 sta...