马斯克已经让他的 Tesla 跑车飞上了天, 然而地面上想打车的你, 可能会发现随着春节的临近, 越来越难呼唤到一辆车了
加班需谨慎
要说打车, Uber 是世界上最流行的打车软件之一 Uber 必须不停地匹配搭车者和司机, 并使他们能尽可能快地抵达目的地这个简单的任务的每一步都需要优化, 比如决定最优路径最佳到达时间
然而, 现实世界充满了不确定性雨雪啦, 事故啦, 很多事件的发生都可能影响车辆的供需
许多目前的机器学习模型还是基于确定性的, 但是现实世界的数据基本都是不完整的, 或者某种意义上不完善的这样一来, 在做预测 (比如预测车辆供需) 的时候, 概率论就很有用武之地了
贝叶斯推断能让我们在预测之前对现实世界有一个先验假设, 并且能基于观测不断更新模型
不久前, 为了更好地适应现实世界的不确定性, Uber 的团队开源了一种编程语言 PyroPyro 是一种概率语言, 使用 Python 和 PyTorch 构建我们可以通过它, 建立一个既可以扩展也十分高效的贝叶斯深度学习模型
编程语言那么多, 为什么偏偏还要开发一种?
因为这种语言能适应不确定性建模对于模型中两次同样的输入值, 可能会有两个不同的结果在传统的编程语言中使用概率简直太难了, 概率只能存在于晦涩的子程序中与之相对的是, Pyro 将概率分布作为编程的核心 Pyro 程序的基本单位是随机函数, 它帮助我们明确地计算给定输入的输出概率
Pyro 的问世, 能否缓解打车难的问题呢?
今天, 就让我们一起来看看 YouTube 网红小哥 Siraj Raval 的视频: Uber Pyro 概率编程入门他将解释 Pyro 的原理和用途, 还将实际应用一个天气数据的案例视频附有代码, 可以跟随一起练手哦
时长 8 分钟
附有中文字幕
点击观看
Pyro 是由 Uber 的人工智能实验室开源的这个实验室来头也不一般, 它最开始是 Uber 收购的一家创业公司 Geometric Intelligence, 这家公司的创始人是纽约大学教授 Gary Marcus, 不过他加入几个月后就退出了对, 就是那个挑起了对深度学习前景的质疑引发 Yann LeCun 等各界 AI 人士论战的那个 Gary Marcus (ˍ)
还不知道大佬们的互怼经过? 可以点击下面的文章查看:
Marcus 十大理由质疑深度学习? LeCun 说大部分错了
Gary Marcus 再发万字长文, 列 14 个 Q&A 回应机器学习批判言论
除了预测几小时后的打车需求和车辆供给, Pyro 也被 Uber 用来做财务预算, 它可以预测接下来几周的财务数据同时, Uber 的其他业务条线也在利用 Pyro, 比如 Uber Eats 用它来预测食物的准备和运输时间; 它也为无人车部门的工作做出了贡献
Σ(゚д゚lll)原来 Uber 搞出了这么厉害的东西!
你猜 Uber 和 Tesla 的车谁能先飞起来?(被火箭带上外太空的不算)
来源: https://yq.aliyun.com/articles/459280