Как информационные технологии преображают бизнес

с.Такси – яркий пример того, как наука и технологии помогают развиваться бизнесу.

Эксперт рассказывает про старт работы над проектом:

Сначала идет описание идеи. Это база. Например, ранее я описал приложение такси, это и есть базовая идея будущего бизнеса. Потом очень важно найти решение, как реализовать вашу идею существенно более эффективным способом, применив все ваши знания и технологические достижения.

Есть компания Uber, есть компания «Яндекс.Такси», есть очень много других компаний и агрегаторов, которые решают вопрос логистики пассажиров в городах. Но каждая компания решает возникающие задачи по-разному.

Эксперт рассказывает о подходе Яндекса на примерах:

Пример первый. Вы открываете телефон для заказа такси. Есть две свободные машины. Одна машина находится близко, а другая далеко. Какую машину вам подать? Очевидно, что первая машина ближе, поэтому можно предложить ей взять заказ. Однако представьте, что через 10 секунд в соседнем от машины здании кто-то тоже откроет приложение и захочет вызвать такси. Если решать задачу с этим знанием, то первому пользователю нужно подать дальнюю машину. Вся проблема заключается в том, что ты не знаешь, появится второй пользователь или нет.

Фактически алгоритмам Яндекса постоянно приходится решать нетривиальные задачи, прогнозировать события и предугадывать спрос на услуги таксистов в каждом конкретном районе города. Все это требует огромных мощностей для обработки больших объемов данных. Однако именно такая технологизация помогла Яндексу стать одним из лидеров рынка в данном сегменте.

Как работает алгоритм Яндекс.Такси?

По признанию Тиграна, раньше подавалась просто ближайшая машина, и все. Это и был алгоритм работы Яндекс.Такси. Сейчас развилась технология, которая предсказывает, появится ли в ближайшие несколько секунд еще какой-либо пользователь.

Спикер рассказывает об этом:

Представьте огромную Москву с населением двенадцать миллионов человек. Десятки тысяч людей, которые открывают это приложение, чтобы вызвать такси. Куда они будут заказывать автомобиль? Будут ли делать заказ? Эта задача должна быть решена и с точки зрения анализа данных, и с инженерной точки зрения. И чтобы эту задачу решить эффективно, в Яндексе работают инженеры, ученые, которые строят предсказательные модели, анализируют, в каком случае стоит чуть-чуть подождать, в каком нет.

Алгоритм выбора подаваемого автомобиля долгое время совершенствовался и сейчас работает наиболее точно, что позволяет приложению подавать вам автомобиль, находящийся максимально близко к вам по расстоянию, при этом с учетом интересов других пользователей.

Следующая задача, которая решалась компанией, – вопрос ценообразования. В такси всегда действовали однотипные схемы ценообразования: пользователь такси получал счет уже в конце поездки, когда были известны ее длительность и пройденный километраж.

Яндекс и здесь внес существенные изменения. Цена на поездку в агрегаторе из пункта А в пункт Б – величина динамичная, а не статичная. Это значит, что стоимость подачи машины из определенного места в конкретный пункт назначения может меняться в зависимости от уровня спроса, количества водителей на маршруте, дня недели, времени суток, погодных условий и большого количества других факторов.

Тигран рассказывает про формирование ценообразования в Яндекс.Такси:

Задача с ценой поездки очень сложная. Почему? Потому что ситуация в городе меняется со временем. То есть надо предсказывать изменение дорожной ситуации так, чтобы минимизировать эту ошибку. Чем длиннее поездка, тем больше вероятность, что что-то пойдет не так. Мы строим предсказательные алгоритмы на основе тех данных, которые Яндекс за многие годы движения в городе собрал.

По словам эксперта, пять лет назад ситуация была значительно хуже. Тогда алгоритмы плохо предсказывали время доезда до точки назначения. Сейчас Яндекс.Карты и навигатор предсказывают километраж и длительность поездки существенно точнее. Это очень важный компонент бизнеса. Навигатор учитывает пробки на дорогах, опыт вождения водителя, опыт его предыдущих поездок, ситуацию на дорогах в связи с погодными условиями, возможные ДТП по пути следования.

Многие внешние факторы могут влиять на стоимость поездки в ту или иную сторону. Тигран рассказывает:

Бывает кратное краткосрочное повышение спроса на такси. Представьте, пошел дождь, проливной. Или представьте футбольный матч, по окончании которого десятки тысяч людей выходят на улицу. И многие из них вызывают такси. В этой ситуации спрос на такси растет в разы. Есть два подхода, что делать с таким растущим спросом. Первый подход – классический, который использовался раньше, до появления умных алгоритмов. Такси подают тому, кто первый сделал заказ. Второй подход – куда умнее и справедливее. Система ценообразования становится рыночной, балансируются спрос и предложение.

Это говорит о том, что цена должна быть такой, чтобы товар или услуга всегда были в наличии, если вы готовы заплатить за них. Если повышается спрос на такси, значительно возрастает стоимость поездки. Кто-то решает ехать, например, на метро. А кто-то готов переплатить и заказать машину.

Динамическое ценообразование особенно важно в такси, потому что в транспорте людям очень важно доверие. Если подавать машину в порядке очереди, постоянные клиенты могут попросту перестать доверять агрегатору.

Задача, которую решает компания, – предсказывать такие пики спроса. Для этого программа решает дифференциальное уравнение, где специалисты следят за изменением спроса, за изменением предложения. Это сложная математическая задача, которую нужно решать, чтобы вы могли всегда по максимально справедливой цене вызвать машину.

Беспилотное такси: Яндекс и другие гиганты индустрии

Будущее такси и доставок – это беспилотные технологии. В Яндекс.Такси уже несколько лет занимаются беспилотными технологиями. В компании поставили цель создания полностью беспилотного автомобиля. Тигран рассказывает:

Речь не идет о том, что мы хотим создать сам автомобиль. Речь идет о том, что мы в некотором смысле создаем водителя. То есть программное обеспечение, которое будет управлять этим автомобилем.

Когда технология будет создана? Спикер рассчитывает, что каждому из нас можно будет проехать на таком беспилотном автомобиле в таком сложном городе, как Москва, лет через пять. Возможно, даже быстрее. Беспилотники – это технология, которая уже работает сегодня, но ее надо существенно улучшить. Для таких больших и сложных городов, каким является Москва.

Есть города попроще, поменьше, есть кампусы, где машин не так много. Автомобильное движение в таких городах проще. В этих маленьких городах внедрение беспилотных технологий будет проходить существенно быстрее, именно в маленьких городах сейчас обкатываются технологии.

Сейчас по миру уже ездят 170 беспилотных автомобилей от Яндекс.Такси. Вы можете их встретить в России, в Москве, несколько машин ездят в Тель-Авиве. Яндекс запустил программу тестирования беспилотников в маленьком городке около Детройта в США.

Зачем тестировать беспилотники в разных городах? Спикер дает ответ:

Я могу пояснить, почему мы тестируем в разных городах. Потому что нам важно научить наши алгоритмы, чтобы машина могла ездить в разных условиях. В Москве мы учимся ездить там, где дождь, снег, лед, когда для ИИ дорога пропадает. То есть утром ИИ выезжает, видит сугробы, а вчера их не было. Обстановку искусственный интеллект запомнил иначе. Теперь для него все новое. Никаких полос и разметок, ничего.

Спикер продолжает:

Мы учимся ездить в Тель-Авиве, потому что это сложный город с узкими улочками. И в американском городе. Вообще, есть в мире лишь три страны, которые занимаются беспилотными технологиями, – Россия, Америка и Китай. Для того чтобы сравнивать себя с американскими коллегами, мы запустили тестирование там тоже.

Беспилотные автомобили сегодня

Что такое сегодня беспилотный автомобиль? Это обычная машина, которую полностью разбирают для того, чтобы интегрироваться в ее систему управления.

Оснащение беспилотного автомобиля

1. Компьютер, который будет мозговым центром автомобиля.
2. Лидар – это специальный лазер, который сканирует все пространство вокруг. Лидар, по сути, может измерить расстояние до определенной точки в пространстве. Эти лазеры очень дорогие, три года назад каждый такой лидар стоил 140 тысяч долларов. Сегодня эти лидары стоят существенно дешевле: от 5  до 15 тысяч долларов. На машине таких лидаров устанавливают 6: 4 спереди и 1 лидар с каждого бока.
3. Обычные радары.
4. 6 камер, которые позволяют компьютеру анализировать обстановку вокруг.

Спикер более подробно рассказывает про лидар:

Что же такое лидар? По сути, это облако точек, расстояние, на котором луч отразился обратно. Когда едет машина, очень важно считывать расстояния до объектов. Например, стоит остановка, а на ней люди. Нужно каждого человека проидентифицировать, чтобы понять, как он себя ведет. Для этого лидару нужно научиться фокусироваться. То есть сканировать не все пространство. Для этого мы год назад сделали свой собственный лидар, и сейчас существенная часть наших авто ездит уже на наших лидарах. Контроль расстояния до объектов дает возможность контролировать ситуацию на дороге.

Развитие беспилотного вождения в России и мире

Как решается задача беспилотного вождения? Сначала машине надо локализоваться – машина должна понять, где она находится. Подразумевается, что GPS нет, потому что точность позиционирования по нему не такая высокая. Хотя GPS-сигнал все равно используется, беспилотник может обходиться без него.

Дальше надо распознать, что происходит на дороге, важно отделить одно от другого, идентифицировать окружающие объекты.

И дальше перед компьютером встает сложная задача – предсказание. Компьютеру это сделать сложнее, чем человеку. Задача программистов и инженеров – научить его предсказывать, что будет дальше.  Огромная отдельная проблема – предсказание поведения людей. Далее происходит планирование действий. То есть компьютер решает, куда и как ехать, ехать ли дальше.

На сегодняшний день беспилотники компании Яндекс проехали 12,5 млн км. Спикер говорит об этом:

Мы измеряем пройденное расстояние, потому что ИИ похож на ребенка. Когда ребенок рождается, он еще глупый, всему учится. То же самое, по сути, происходит в процессе обучения ИИ. Чем больше беспилотники освоят расстояний, тем большему количеству вещей они научатся. Не все компании раскрывают, сколько проехали их беспилотники.

Россия является одной из стран-лидеров в сфере развития беспилотного такси. Крупные и небольшие компании развивают алгоритмы на основе ИИ, чтобы беспилотные такси стали для нас такой же обыденностью, как привычные такси.