今日，中國人工智能行業(yè)又有重磅人事變動：滴滴出行副總裁、AI Labs 負責人葉杰平將于近期離職。

對此，滴滴官方回應(yīng)稱：滴滴 AI Labs 負責人葉杰平因個人原因?qū)⒂诮�期離職。葉杰平內(nèi)部告別信表示，希望嘗試去探索 AI 在其他領(lǐng)域的可能性。葉杰平離職后，CTO 張博將兼任 AI Labs 負責人，滴滴智能控制首席科學(xué)家唐劍將任 AI Labs 副主任。

葉杰平于 2015 年加入滴滴。這個時間點，也正是全球范圍內(nèi)，各大互聯(lián)網(wǎng)公司用高薪、獎金和股票套餐來吸引人工智能專家離開學(xué)術(shù)界的“運動”高潮——2015 年，單單 Uber 從卡內(nèi)基梅隆大學(xué)的機器人實驗室就雇傭了 40 人，其中就包括教授級別人員。

而具體到滴滴，這家發(fā)展勢頭迅猛的出行公司自然也不會缺席這股浪潮：在已經(jīng)擁有主打搭建滴滴交通大腦的滴滴研究院、以及主打大數(shù)據(jù)安全和智能駕駛的美國研究院之后，滴滴于 2018 年創(chuàng)辦 AI Labs，葉杰平被任命為該團隊的負責人。

公開信息顯示，葉杰平畢業(yè)于上海復(fù)旦大學(xué)數(shù)學(xué)系，后獲美國明尼蘇達大學(xué)博士，是美國密歇根大學(xué)終身教授以及密歇根大學(xué)大數(shù)據(jù)研究中心管理委員會成員，專業(yè)方向包括機器學(xué)習(xí)、數(shù)據(jù)挖掘以及大數(shù)據(jù)分析。其學(xué)術(shù)成就在業(yè)內(nèi)處于領(lǐng)先地位，在機器學(xué)習(xí)和數(shù)據(jù)挖掘國際頂級會議及期刊上共發(fā)表論文 200 余篇。曾獲 KDD 和 ICML 最佳論文獎以及美國國家自然科學(xué)基金會生涯獎 （NSF CAREER Award），并擔任多個機器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域頂級會議的主席�，F(xiàn)任職機器學(xué)習(xí)和數(shù)據(jù)挖掘期刊 IEEE TPAMI，DMKD，和 IEEE TKDE 的副編委。

當時，滴滴 AI Labs 的建立，被認為是滴滴繼研究院（主打搭建滴滴交通大腦）及美國研究院（主打大數(shù)據(jù)安全和智能駕駛）之后，在科研網(wǎng)絡(luò)上進一步拓展，帶來三足鼎立的局勢：它將主要探索 AI 領(lǐng)域技術(shù)難題，重點發(fā)力機器學(xué)習(xí)、自然語言處理、計算器視覺、運籌學(xué)、統(tǒng)計學(xué)等領(lǐng)域的前沿技術(shù)研究及應(yīng)用，為下一代技術(shù)做好準備，期望能用技術(shù)構(gòu)建智能出行新生態(tài)。

從這段介紹也不難看出，滴滴 AI Labs 算是三大 AI 團隊中離業(yè)務(wù)線最遠、負責布局前沿技術(shù)的角色。

也正因如此，在機器學(xué)習(xí)研究領(lǐng)域頗有建樹的葉杰平，成為滴滴 AI Labs 的掌舵人。

作為滴滴 AI Labs 的一把手，葉杰平曾在多個行業(yè)場合發(fā)布演講，介紹滴滴在“AI＋ 出行”領(lǐng)域的技術(shù)探索和布局。

例如三層結(jié)構(gòu)來布局人工智能：“最底層是基礎(chǔ)的算法，包括強化學(xué)習(xí)、深度學(xué)習(xí)、統(tǒng)計、運籌等基礎(chǔ)前沿算法；中間層是核心 AI 技術(shù)，橫跨語音識別、NLP、CV、知識圖譜等多個領(lǐng)域；頂層是應(yīng)用，包括交通基礎(chǔ)設(shè)施智能化，交通工具的電動化和自動化，以及如何用AI技術(shù)提升出行的安全、體驗、效率”。

以及更具體的目前“滴滴出行”的各大模塊：路徑規(guī)劃、ETA（estimated time of arrival）、智能訂單分配、交通容量管理、供需均衡、拼車、安全評估等。

但滴滴最為行業(yè)稱道的，還是它的訂單匹配技術(shù)，在某個時刻乘客和空閑車輛的匹配量可能就達到了千萬級。由于路面情況不同，同樣一公里可能因為交通擁堵情況而導(dǎo)致行駛時間不同，因此在距離評估以外，更困難的時間評估也被引入考量。

作為滴滴 AI Labs 的負責人，我們也能在滴滴 AI Labs 官網(wǎng)一窺葉杰平所帶領(lǐng)的這支團隊交出的“成績單”，主要有以下 6 項：

自然語言處理——以滴滴的智能客服系統(tǒng)與貼心出行助手為代表。

司乘體驗——基于出行大數(shù)據(jù)的人工智能方法提升用戶出行體驗和服務(wù)效率。

平臺效率——用統(tǒng)計學(xué)習(xí)，增強學(xué)習(xí)，和模擬系統(tǒng)來優(yōu)化交易和運營策略，并完善智能系統(tǒng)。

語音互動——專注于車載領(lǐng)域，高性能語音喚醒，識別，合成，對話理解技術(shù)。

計算機視覺——聚焦光學(xué)字符識別，人臉識別，質(zhì)檢，感知，理解，相互作用等技術(shù)，提供出行服務(wù)標準質(zhì)檢，出行交通感知，智能交互等技術(shù)方案。

智能地圖引擎——針對滴滴海量實時出行數(shù)據(jù)和復(fù)雜的業(yè)務(wù)場景需求，開發(fā)全新的地圖服務(wù)系統(tǒng)，如路徑規(guī)劃，時間預(yù)測（ETA），路況等。在這里，我們也對比了與滴滴的 AI Labs 有較大可比性的 Uber AI Lab 。

Uber AI Lab 比滴滴 AI Labs 早兩年成立，定位同樣是作為 Uber 的技術(shù)儲備小分隊，探索機器學(xué)習(xí)的前沿領(lǐng)域并將關(guān)鍵進展應(yīng)用到其業(yè)務(wù)中（從外賣派送路線規(guī)劃到 Uber 自動駕駛的所有任務(wù)），具體包括開發(fā)需要較少數(shù)據(jù)的機器學(xué)習(xí)形式；不僅使用數(shù)據(jù)而且使用明確的規(guī)則來訓(xùn)練 AI 系統(tǒng)；和設(shè)計可以解釋其決策的機器學(xué)習(xí)系統(tǒng)等等�，F(xiàn)在在 Uber AI Lab 的官網(wǎng)上，還能看到與之相關(guān)的學(xué)術(shù)論文研究。