标签归档:Uber

Uber CEO:公司自动驾驶测试项目将在几个月内重启

雷锋网新智驾(微信:AI-Drive)按:只剩匹兹堡老巢的 Uber 还能搅动自动驾驶行业吗?

美国时间本周三,Uber CEO Dara Khosrowshahi 表示,公司的自动驾驶车队会在“几个月内”恢复测试。不过,他的语气听起来并非那么信心十足。

今年三月份 Uber 自动驾驶测试车在亚利桑那闯出大祸后,该公司就决定“刀枪入库”,无限期暂停自动驾驶测试工作,待交通管理部门的初步报告出炉后再做进一步打算。

Khosrowshahi 透露称,交管部门的初步报告即将来临。这可不是某小报记者的杜撰,而是 Khosrowshahi 亲自在 Uber 第二届 Elevate 年度大会上透露的。他表示一旦 NTSB(全国运输安全委员会)的报告出炉,Uber 的测试车很快就会重回大街小巷。当然,在 Uber 重回自动驾驶竞争之前,它们还会完成对匹兹堡 ATG 小组的一次自上至下的内部安全审核。重新上路后,Uber 的测试车“能有多安全就有多安全”。

最近的报告显示,此次悲剧的发生可能与 Uber 的软件设置有关。由于计算机视觉系统经常会将一些无关痛痒的物品识别成人类或其它障碍物,为了防止频繁误报,Uber 对系统做了一些“调整”。

车祸发生后,就有越来越多的迹象显示,Uber 的自动驾驶项目风险大得惊人。据《纽约时报》报道,去年 10 月份 Uber 已经将测试车上的安全驾驶员人数从两人减到了一人,而车载监控显示,车祸发生前这唯一的安全驾驶员好像在低头玩手机。

3 月底,路透社又发现,Uber 居然减少了测试车上的激光雷达数量。显然,对自动驾驶持支持态度的亚利桑那州也一并放送了自己的监管责任。

随后《卫报》也曝了个猛料,它拿到的一封电邮显示,Uber 在公关上相当有一手,为了获得亚利桑那州政府的测试牌照,它们可没少讨好该州州长 Doug Ducey。在这样暧昧的关系下,Uber 是否会变得无法无天当然就不是亚利桑那政府的关注重点了。

同时,这封电邮还显示,Khosrowshahi 去年 8 月份新官上任时,还曾考虑过彻底停掉 Uber 的自动驾驶项目。不过,在 Elevate 大会上,他却回心转意,铁了心要将 Uber 的未来押在自动驾驶汽车上了。Khosrowshahi 还顺手讽刺了 Elon Musk(跟 NTSB 翻脸了),他表示 Uber 正携手 NTSB 做调查,在官方正式公布报告前它们不会胡乱发声。

Khosrowshahi 还讲述了他在创新上的几点思考,“我们是在做正确的事吗?我们是不是步子迈的太大了?快速的发展是以安全为代价的吗?如果 Uber 错了就得后退一步。不过,我相信 Uber 最终能获胜,因为我们有大量天才技术人员。”

重新上路后,Uber 的自动驾驶测试项目也会“变脸”,毕竟事故后亚利桑那已经对 Uber 关上了测试大门,打车巨头也选择不再更新自己在加州的测试牌照。这也意味着,未来匹兹堡会成为 Uber 测试车队的唯一归宿。

雷锋网注:6 项会员专享特权,全年 100 期精华内容,带你深入浅出看懂自动驾驶。如果想加入雷锋网「新智驾会员计划」,欢迎点击链接 :https://www.leiphone.com/aidrive/vip 或扫描海报下方二维码了解详情。

雷锋网

致死事故可能是一时的,但 Uber 的问题已经不是一天两天了

年底落地打车服务,Uber 是否在拔苗助长?

其实,在坦佩撞人事件之前的几个月里,Uber 的无人驾驶项目就一直没有达到预期。其汽车在经过建筑区或大型货车这类体积较大的车辆时,通常都比较困难,Uber 的人类驾驶员接管车辆的频率也比其竞争对手要高一些。

Waymo 称,去年,他们在加州的自动驾驶汽车,平均 5600 英里安全员会接管一次。根据《纽约时报》获得的 100 页电脑文件以及两个熟悉 Uber 凤凰城无人车业务的人透露,今年 3 月,Uber 在亚利桑那州的自动驾驶汽车还在为每 13 英里接管一次的目标努力。

并且,Uber 的安全驾驶员也承担了更多责任。之前他们是两人一组进行测试,现在则是一个安全员独立监督车辆行驶。要在今年年底之前落地自动驾驶打车服务,对 Uber 来说确实压力很大。

Uber CEO Dara Khosrowshahi 本来预计要在 4 月前往亚利桑那州,凤凰城的团队领导层希望他体验一次无人干涉的自动驾驶试乘服务。在公司的文件里,Khosrowshahi 的这次行程被称为“第一个里程碑:信心”。

因为看好自动驾驶汽车数万亿的市场,Uber、Waymo、Lyft 这样的科技公司和通用、丰田这些老牌车企都在该项技术上花费巨资。

18 号的这场车祸对 Uber 来说无疑是一次重创。从去年 8 月 Khosrowshahi 在一系列混乱的权力交接中继任 CEO 以来,这家公司一直在努力提升自己的形象。今年 2月,Uber 才解决了和 Waymo 那场漫长的自动驾驶技术官司。

上周一,Uber 暂停了在亚利桑那州、匹兹堡、旧金山和多伦多的所有自动驾驶测试,现在也还没有透露这些业务的恢复时间。

坦佩警察局称正在进行事故调查,并且还没有断定责任方是哪一方。当事的这辆 Volvo XC90 SUV 配备了 Uber 的无人驾驶技术,事故发生时,其速度为 40 英里/小时,事发区域的限速为 45 英里/小时。根据警方提供的信息,这辆处于自动驾驶模式的汽车配备了安全驾驶员,但在车祸发生前并没有减速。

汽车摄像头截取的一个视频片段显示,当时安全员正在往下看,没有看路;并且,安全员的手似乎也没有放在方向盘旁边,而按照要求,前者应该把手放在方向盘周围,以保证能够在紧急情况下快速接管车辆。在被撞之前,受害者正推着自行车穿越车道。

“发展自动驾驶技术,首要目标就是保证安全,”Uber 发言人 Matt Kallman 表示,“对于这起事故,我们非常痛心,并且已经暂停了所有车辆测试。我们会继续尽力协助调查。”

亚利桑那州“野蛮生长”的 Uber

Uber 在亚利桑那州的测试其实一直处于无监管状态。不像加州,亚利桑那州政府对自动驾驶汽车测试基本没有什么特别规定,不干预,也不要求公司公布车辆测试状况。

Waymo 和通用的自动驾驶公司 Cruise 向加州政府提交了他们的自动驾驶干预次数。Uber 在内部文件中曾提及,其在亚利桑那州测试是因为后者不要求其提交相应数据,而他们在加州并没有测试足够长时间,所以也没有向当地管理部门提交数据报告。

Uber 的第一次自动驾驶道路测试代号为“寻路者”,2016 年 9 月在匹兹堡展开;凤凰城区域的测试是一年前开始的,因为“有利的政策环境和气候条件”,这里很快成了 Uber 的主要测试区,目前,Uber 在凤凰城有 400 人的团队,超过 150 辆自动驾驶车辆在当地路面上行驶。

两位知情人透露,Khosrowshahi 接任 Uber CEO 以后,曾考虑减少自动驾驶测试车辆,但最后还是被说服,对 Uber 的长期愿景来说,无人驾驶业务非常重要。

熟悉凤凰城业务的人表示,Khosrowshahi 的凤凰城之旅被亚利桑那州团队看作向外界展示其技术进程的最重要机会,他们想让 Khosrowshahi 乘坐无人干涉的自动驾驶汽车,向外界展示其自动驾驶汽车已经可以克服很多极端环境和复杂路况。

“在极端情况下,自动驾驶可能会带来致命伤害,所以必须为所有极端场景做好准备。”Khosrowshahi 在 11 月份的一次会议中讲到,“这个问题非常非常难。”

到 2017 年 9 月,1 年的时间里,Uber 在美国的测试里程达到 100 万英里。根据其文件,在接下来的 100 天里,Uber 又完成了第二个 100 万英里测试,之后的百万英里测试则以更快的速度进行着。

安全员责任

早先在凤凰城,有两组测试安全员。一个小组负责在极端环境下接管车辆,更多的安全员则主要为自动驾驶打车服务,这些安全员要注意很多小的细节,其接管车辆不仅是为了安全,也是为了尽可能减少“坏的体验”,比如急刹车。

10 月份左右,Uber 将这两个组合并,以“尽快”向用户提供真正的自动驾驶打车服务,安全驾驶员就把更多的注意力放在了里程积累上,尽量获取更多数据让系统更加可靠。

因此,Uber 每辆车的安全员也从两个变成了一个。之前的两个安全员开始有了各自的分工,一个负责在自动驾驶系统失灵时接管车辆,一个则随时观察探测到的车辆和道路状况,把控系统,并且在电脑上进行数据标记,Uber 的发言人 Kallman 表示,后者在车里主要负责数据的相关工作,而不是安全。

Waymo 发言人  Johnny Luu 表示,2015 年底,Waymo 的自动驾驶汽车从任何情况下都是两个安全员,变成了在某些场景下一个安全员的情况,不过,现在要添加新的系统或在新的区域路测时,Waymo 也会在一辆车上安排两个安全员。

但是 Uber 的自动驾驶汽车还没有竞争对手们跑得那么好。据雷锋网了解,Cruise 向加州管理部门提交的数据是,超过 1200 英里接管一次。鉴于加州的严格规定,Waymo 现在在亚利桑那州凤凰城的 Chandler 进行没有安全员的自动驾驶测试。

Kallman 称里程干预测试并非判断安全的绝对标准,但是系统的迭代速度会因为车辆在哪儿以及如何行驶而不同。

知情人透露,Uber 改成一个安全员之后,一些员工曾向管理层表达过对安全的担忧,他们担心在数小时的自动驾驶路测中,一个安全员很难一直对路况保持警惕。Kallman 称,这推迟了单个安全员的计划,从而进行了更长时间的测试,以保证安全驾驶员适应接下来的新角色。

Uber 还开发了一个新的 APP,安装在车辆中控台的 iPAD 上,车辆出现问题时,安全驾驶员可以通过这个提醒工程师。并且,安全员在任何时候都可以使用这款 APP ,不用把车切换到非自动驾驶状态。通常,安全驾驶员会在遇到交通灯或车停止时标注数据,但知情人表示,很多人在车辆行驶时也会进行数据标注。Kallman 表示,开发这款 APP 是为了符合政府的安全要求,最大化减少车内软件的干扰。

Waymo 改成一个安全驾驶员之后,则采用了完全不同的解决方式。他们在方向盘上加了一个按钮,驾驶员将汽车解除自动驾驶模式时,可以进行音频解释。

在 Uber,也不是所有驾驶员都可以进行自动驾驶测试,曾经就有驾驶员因为在方向盘后面打瞌睡被开除。

Uber 曾经计划 12 月份向亚利桑那州政府申请落地自动驾驶打车服务,并表示在真正投入商业化运营之前,其自动驾驶车辆会比之前的人类驾驶车辆更安全。实施之后,这项打车服务并不会全天候进行,恶劣天气和交通状况下也会停止运营,而现在,这一计划已经不需要证明其“更长期的经济可行性”。

同时,Kallman 表示,Khosrowshahi 下个月也不会去凤凰城了,因为车祸之前就已经出现了车辆调度问题。但现在还不清楚,这场车祸是否会影响 Uber 的自动驾驶规划。

“Uber 这一系列坏消息已经严重影响了其在用户方面的声誉,” Gartner 的汽车分析师 Michael Ramsey 说到,“其它公司也有被打青眼的时候,不过过段时间也会被谅解,但对 Uber 而言,其负面形象在一段时间内或许很难有改善。”

雷锋网推荐阅读:《Uber自动驾驶路途坎坷:再传车祸,行人致死》

雷锋网 · 新智驾注:6 项会员专享特权,全年 100 期精华内容,带你深入浅出看懂自动驾驶。如果想加入「新智驾会员计划」,欢迎点击链接 :https://www.leiphone.com/aidrive/vip 或扫描海报下方二维码了解详情。

雷锋网

Uber 致死事件引业界恐慌,丰田叫停所有自动驾驶路测

美国当地时间周日晚上,Uber 的自动驾驶测试车在亚利桑那州坦佩市的道路上发生严重事故,一名行人横穿马路时被撞身亡,随后,Uber 立即叫停了其在坦佩、匹兹堡、旧金山和多伦多四个城市的自动驾驶车辆测试。周二,丰田汽车也宣布,暂停其在密歇根州安阿伯市研究中心附近和旧金山区域公共道路上的自动驾驶测试。

丰田有一个自动驾驶测试车队,车辆行驶时,工程师和安全驾驶员会坐在方向盘后面,在必要时接管车辆;Uber 的自动驾驶车辆也是按照这种模式运行的,但最后还是在坦佩遭遇了行人伤亡事故。

丰田发言人表示:“我们已经通知驾驶员停止一段时间的测试,直到我们可以对这种状况作出准确评估。”

不过,其在三个封闭区域的测试并没有受到影响,其中两个是和密歇根大学合作,在安阿伯市;另外一个在 GoMentum Station,这里之前曾是加州的海军武器站。

美国的两大汽车厂商福特和通用,仍在进行公共道路上的自动驾驶测试。作为 Uber 的冤家对头,Waymo 和 Lyft 则拒绝对其各自的测试状况发表看法。

这些公司一直都在忙着将其自动驾驶技术尽快投入商业化应用,并计划在几年内推出自动驾驶车队。通用要在 2019 年底之前推出 Cruise 自动驾驶打车服务,并取消了方向盘和踏板;福特则希望在 2021 年之前实现自动驾驶汽车的量产。

Uber 事故发生之后,通用在周二表示:“我们 2019 年推出城市道路自动驾驶汽车的商用计划不会改变,但从最开始我们就说过,除非我们确信车辆绝对安全,否则不会贸然将自动驾驶推向市场。”

据雷锋网了解,Uber 发生车祸的这辆 Volvo XC90 自动驾驶汽车上,安装了激光雷达、摄像头和其它传感器、软件程序,虽然事故发生时,车上有安全驾驶员在,但汽车撞到受害者时,仍处于自动驾驶模式。

当时,受害者正推着自动车横穿马路,这辆 Volvo 自动驾驶汽车的时速是 40 英里 / 小时。根据目前坦佩警方的调查,车祸发生前,车辆并没有减速迹象。

坦佩警方表示,国家运输安全委员会仍在对事故进行调查,包括车辆电子数据、摄像头视频的采集。警方重申,他们还没有断定到底哪一方应该对事故负主要责任。

过去几年,一大批公司都建立了自动驾驶车队,并开始在公共道路上测试,并且,这其中有很多是在亚利桑那州展开,因为该地政府对自动驾驶的态度较为开明。

此外,一些大学和当地政府也已经着手建立测试场地,为自动驾驶公司提供相对封闭的测试环境。

“Uber 的事故是一个很大的悲剧,但要明确事实详情,仍然需要一些时间,”MCity 副院长 Carrie Morton 表示。MCity 是密歇根大学在安阿伯市打造的一个 32 英亩的测试中心,它模拟打造了城市街道和路口,有交通灯、道路标识、停车计时器,还有一个铁路公路交叉道口和一个隧道,目前,已经有 60 多个公司与其合作。

“我们认为,道路测试、像 Mcity 这样的封闭设施,与电脑仿真的结合,在自动驾驶的技术推进中是非常必要的。”Morton 说到。

同时,密歇根大学也正帮助在伊普西兰蒂 10 英里外建设一个更大的测试点。在伊普西兰蒂的美国汽车中心占地  335 英亩,这里有高速公路坡道、天桥,环境比 MCity 更为复杂,企业可在此进行自动驾驶汽车的高速测试。

MCity 和美国汽车中心距离通用、福特、丰田、菲亚特·克莱斯勒、Waymo 等公司的技术中心都非常近。

雷锋网推荐阅读:《丰田投入28亿美元成立高级研发公司,专注自动驾驶软件研发》

PS:看遍这一年中国与全球智能驾驶领域的技术前沿与商业探索,雷锋网 · 新智驾年度推荐,扫描下图二维码或点击 https://www.leiphone.com/special/custom/AIdrive.html ,了解更多信息。

雷锋网

30亿的大市场!优步推出 Uber Health 为预约患者提供出行服务

雷锋网消息,Uber在周四推出一项名为"Uber Health”的新业务线,与医疗保健机构合作为患者提供出行服务。医疗保健机构可以立即在几个小时内通知患者和护理人员。

Uber将自己定位为比大多数非紧急医疗运输更便宜和更可靠的选择。Uber Health的总经理Chris Weber表示:“交通上的障碍对于弱势群体来说是最大的。“这项服务将为患者提供可靠、舒适的交通方式。”

Uber Health有两种版本:作为在线的主控面板和作为软件开发者的API,将叫车功能整合到他们自己的医疗保健工具中。该服务不需要Uber账户; 通知可以通过短信送达。该公司计划扩展该服务,以便固定电话用户能够以这种方式获取行程细节——或通过非智能手机。优步表示,医疗机构将会按照优步在其所在地区的标准费率付费,计费简单且易于管理。

Uber Health存储所有行程信息,但仅存储在客户端,因此符合联邦HIPAA法律中规定的医疗隐私标准。司机不知道他们的哪些乘客正在使用Uber Health,类似于优步乘车,司机只能知道上车和下车的地点。因此优步司机将无法选择进入健康服务,就像他们选择进入Uber Eats(一种送餐服务)一样。

虽然遵从HIPAA是一件好事,但它并不一定能消除所有的风险。“即使一个平台符合HIPAA的要求,供应商也可能会对数据泄露采取严厉的惩罚措施,并且供应商与出租公司之间应实施业务伙伴协议。”

2016年,优步遭遇网络攻击,造成5700万名乘客和司机的个人信息泄露。后来,该公司被指控试图掩盖事实。

事实上,良好的交通条件是保障卫生保健的重要一环。根据美国州立法会议的数据,每年约有360万美国人因交通不便而错过医生预约或推迟就医。而错过的预约时间可能会引发连锁反应,增加急诊室的访问次数,延长医院重新入住的时间,并在整个行业里消耗更高的费用。专家估计,这些错过的预约造成的损失达到每年1500亿美元。

根据一个由联邦政府资助的独立研究机构“运输合作研究计划”(Transit Cooperative Research Program)的数据表示,非医疗紧急医疗运输市场的价值超过30亿美元。Uber显然对这个行业产生了兴趣。据雷锋网了解,2016年,优步与总部位于波士顿的公司Circulation合作,为25个州的700多家参与医疗机构的患者提供乘车服务。当然,这并不是唯一一家想要分一杯羹的拼车公司:Lyft也在与Circulation和CareMore Health Systems保险公司合作。

此前,优步曾在医疗领域做过尝试性的实验。2014年,它在美国提供按需注射流感疫苗。它还测试了资助的乳腺癌筛查项目。它还在巴西生产疫苗,在新加坡也生产雾霾口罩。但这些都是一次性的、“弹出式”服务。

Weber表示,因为卫生保健提供商将在安排出行方式时内拥有很大的自由度,他们不会为需要紧急医疗服务的人呼叫Ubers。“这不是救护车的替代品,”他说,但是他希望能够通过可靠的方式提供非紧急医疗服务,从而避免错过预约。

据雷锋网了解,美国已经有100多家医疗机构,包括医院、诊所、康复中心、高级护理机构,家庭护理中心和物理治疗中心开始了Uber Health的测试项目,该服务将会在医疗保健机构中逐步推广。

雷锋网

从数据预处理到排序算法,全方位解读 Uber 人工智能客服 COTA

雷锋网 AI 研习社按,日前,Uber 官网上的一篇文章详细介绍了基于 NLP 和机器学习构建的 COTA 客服系统。利用该系统,Uber 可以快速高效地解决 90% 以上的客服问题,雷锋网 AI 研习社将原文编译整理如下:

为了打造最佳用户体验,Uber 持续优化客户支持流程,让客户支持服务更易用,更方便。

为实现这一目标,Uber Customer Obsession 团队基于其内部平台,提供 5 种不同客服渠道(应用内置客户支持、官网客户支持、本地司机网、电话客服、线下服务网点)。这个内部平台具备客服工单功能,以便跟踪解决问题。每天提交到这个平台上的客服工单有数十万条,遍布全球 400 多个城市。Customer Obsession 团队必须确保客服代表能尽可能准确、快速地解决问题。

基于此,Uber 打造了一个人工智能客服助理平台——COTA(Customer Obsession Ticket Assistant),它利用机器学习和自然语言处理(NLP)技术,帮助客服代表提供更好的客户支持服务。

在 Uber 客户支持平台上,利用 Michelangelo 平台的机器学习服务,COTA 可以快速高效地解决 90% 以上的客服问题。

下面,我们会详细介绍创造 COTA 的动机,COTA 后端架构,并展示如何利用这一强大工具提高客户满意度。

没有 COTA 之前的客户支持

当客户联系 Uber 寻求支持时,我们必须及时为他们提供最好的解决方案。

我们可以让用户在提交问题报告时,点选问题所属的类别,填写细节。这一过程为客服提供了很多背景信息,从而能更快解决问题,如图 1 所示:

图 1:Uber 内置的客户支持服务为用户提供了一个直观且易于使用的界面,先提供问题可能的类型,然后突出显示行程的细节

Uber 内置的客户支持服务能反映问题的背景信息,虽然这些信息很重要,但要解决客户的问题,单靠这些信息远远不够,特别是在一个问题有多种工单答案的情况下。此外,同一个问题,客户可以通过多种方式来描述,因此问题的解决过程更为复杂。

随着 Uber 的服务规模不断扩大,客服必须应对不断增长的客户支持问题,同时,问题也变得更为多样化,包括技术故障和费用调整等。事实上,当客服在解决客户提交的问题时,他们首先要做的是从数千个类别中,确定问题所属类型,这绝非易事!

缩短识别问题类型的时间非常重要,它能减少客服解决用户问题的总时间。

确定问题类型后,下一步就是给出正确的解决方案,每种类型的工单都有不同协议和解决方法。此外,还要从成千上万个可能的解决方案中进行选择,这也是一个耗时的过程。

COTA:客户工单助手

基于前面的背景,我们设计 COTA 来帮助客服提高解决问题的速度和准确性,从而改善客户体验。

COTA 利用 Michelangelo 平台来简化、加速和标准化客服工单流程。目前,COTA 由一组向客服推荐解决方案的模型组成,只支持英文工单,我们正试图建立可以处理西班牙语和葡萄牙语客服工单的模型。

基于我们的支持平台,根据客服工单内容和行程上下文信息,Michelangelo 模型提供三种最可能的问题类型及其解决方案,处理流程如下:


图 2:COTA 系统架构由七步工作流程组成

如图 2 所示,COTA 系统包括如下 7 步:

1. 客服工单进入客户支持平台(CSP),后端服务系统采集工单的相关特征;

2. 后端服务系统将这些特征发送到 Michelangelo 机器学习模型;

3. 模型预测每个可能的解决方案的得分;

4. 后端服务系统接收预测方案和分数,并将其保存到 Schemaless 数据库中;

5. 客服打开客服工单后,前端服务系统将触发后端服务系统,以检查客服工单内容是否有更新。如果没有更新,后端服务系统将检索保存于数据库中的解决方案;如果工单有更新,它将抓取更新后的特征,并再次执行步骤 2-4。

6. 后端服务系统将解决方案按分数高低排列,然后返回至前端服务系统;

7. 将排名前三的解决方案推荐给客服;至此,客服只需做出选择,就可以解决工单。

COTA 的表现非常优秀:根据客户服务调查结果显示,COTA 可以将工单解决时间缩短 10%以上,同时还可以达到之前用人工处理的客户满意度,甚至比之前人工处理的满意度更高。

COTA 中的机器学习模型为客服提供了更快和更准确的工单解决方案,使 Uber 客户支持服务更加完美。

基于 NLP 和机器学习构建 COTA

表面上看,COTA 只需收集工单问题的上下文信息,并返回可能的解决方案,但幕后还有很多事情要做。COTA 后台负责完成两项任务:确定工单所属类型并确定最合理的解决方案。

为了实现这一点,机器学习模型需要从客户提交的文本消息中提取特征、行程信息和客户提交问题时所选的类别。

当模型生成特征分数时,最有价值的特征是用户发送的问题的文本消息。由于用户发送的文本消息对于理解问题很重要,我们建立了一个 NLP「管道」,能将多种不同语言的文本转换为对机器学习模型有用的特征

NLP 模型可以翻译和解释不同的文本元素,包括音韵、词性、语法、句法和语义。根据模型的构造单元,NLP 可以建立字符级、单词级、短语级和句子/文档级的语言识别模型。

传统的 NLP 模型是基于人类语言学专业知识来提取文本信息的特征,随着端到端训练的深度学习模式兴起,研究人员开始开发能够解析整个文本块的模型,这时候不必明确地解析一个句子中不同单词之间的关系,而是直接使用原始文本。

在 COTA 中,我们首先构建一个单词级别的 NLP 模型,以更好地理解文本消息的语义。自然语言处理中一个流行的方法是主题建模,通过单词的计数统计信息来理解句子的主题。虽然主题建模没有考虑到字词的顺序,但是对于诸如信息检索和文档分类等任务,已经被证明非常有用。


图 3:为识别工单问题类型和选择解决方案,我们建立的 NLP「管道」模型由三个不同的步骤组成:预处理,特征工程和基于点的排序算法。

在 COTA 中,我们使用基于主题建模的 NLP「管道」模型处理文本消息,信息处理流程如图 3 所示。

预处理

  • 为了清洗文本,我们首先删除文本中的 HTML 标签。

  • 接下来,我们分割工单消息中的句子,并删除停顿用词。

  • 然后再进行词形化,将单词从不同的时态、派生形式进行还原。

  • 最后,我们将文档转换成单词集合,并建立这些单词的字典。

主题建模

为了理解用户意图,预处理之后我们对单词包进行主题建模。

具体而言,我们使用词频 – 逆向文件频率(TF-IDF)的统计方法和潜在语义分析算法(LSA)来提取主题。

图 4(a)中展示了主题建模中的一些可能的主题类型:

图 4(a)主题建模:我们使用 TF-IDF 和 LSA 从文本数据中提取主题

( b)特征工程:将所有工单解决方案和工单问题映射到主题向量空间,计算解决方案和工单之间的余弦相似度

特征工程

主题建模使我们能够直接使用主题向量作为特征,下游的分类器能将其作为识别问题类型和选择解决方案的依据。

然而,这种方法太直接,会受到主题向量稀疏性的影响。为了有意义地表达这些主题,我们需要使用数百甚至数千维度的主题向量,而主题向量的之间的相关性接近于零。由于特征空间的维度非常高,需要处理大量的数据,因此训练这些模型变得相当困难。

考虑到这些因素,我们决定以间接方式进行主题建模:通过计算余弦相似度特征来执行下一步的特征工程,如图 4(b)所示。以选择工单解决方案为例,我们收集每个工单解决方案对应的历史工单,并形成这一工单解决方案对应的词汇集。

在这种情况下,主题建模转换是基于历史工单的词汇集表示。我们用向量 Ti 表示工单解决方案 i,对所有工单解决方案都进行这种转换。我们可以将任何新的工单映射到工单解决方案的主题向量空间 T1,T2 … Tm,其中 m 是可能使用的工单解决方案的总数。接下来形成工单 j 的矢量 tj。可以计算出 Ti 和 tj 之间余弦相似度得分 sij,就可以知道工单解决方案 i 和工单 j 之间的相似度,从而将特征空间从数百或数千个维度减少到很低维度。

基于点的排序算法

接下来解释机器学习算法是如何选择工单解决方案的。

为了设计这个算法,我们将余弦相似度特征与其他工单信息、行程特征进行组合。每种工单类型有超过 1,000 种可能的工单解决方案,COTA 的超大的解空间使区分这些工单解决方案之间的细微差异变得很困难。

为了给客服提供最佳的工单解决方案,我们应用了学习排序 (learning-to-rank) 算法,并构建了基于检索的点排序算法。

具体而言,我们将工单解决方案和工单之间的正确匹配标记为正(1),从工单解决方案与工单不匹配的集合中,我们随机抽样形成子集,并标记为负(0)。使用余弦相似度以及工单、行程特征,我们可以建立一个二分法分类器,接下来利用随机森林算法来判断工单解决方案与工单是否匹配。利用算法对可能的匹配进行评分,我们可以对评分进行排名,并给出排名最高的三个解决方案。

下图比较了使用主题向量作为特征的传统多类分类算法与使用工程余弦相似特征的逐点排序算法的性能:


图 5:基于点的排序算法比多类分类算法的准确度高 25%

可以看到,使用余弦相似度作为特征的,基于点的排序算法优于直接使用主题向量的多类分类算法,精度提高了 25%。

比较是在相同的数据集上,使用相同类型的算法(随机森林)进行的,且模型的超参数相同。排序框架中使用余弦相似度作为特征可以获得很好的效果。

更便捷更快的工单处理 = 更好的客户支持

COTA 性能优异,只有应用到实际场景中才有意义。为了衡量 COTA 对客户支持体验的影响,我们对多个在线英语工单进行了受控的 A / B 对比实验。在这些实验中,我们选择了几千名客服,将他们随机分配到对照组和实验组。对照组中的客服代表使用原来的工作流程,而实验组中的客服代表使用 COTA 助理,交互界面包含问题类型和建议的工单解决方案。我们收集了两个组的工单处理结果,并测量了一些关键指标,包括模型准确性、平均处理时间和客户满意度得分。

测试进行如下:

我们首先测量了模型的在线表现,并将其与离线表现进行了比较。我们发现模型性能从离线到在线都是一致的。

然后,我们测量了客户满意度分数,并比较了对照组和实验组。总的来说,实验组的客户满意度提高了几个百分点。这一发现表明,COTA 可以提供相同或略高于人工的客户服务质量。

最后,为了确定 COTA 对工单处理速度的影响,我们比较了对照组和实验组的平均工单处理时间。平均而言,COTA 将工单处理时间缩短了大约 10%。

通过提高客服的绩效和缩短工单解决时间,COTA 帮助 Customer Obsession 团队更好地服务于用户,从而提高客户满意度。COTA 加速了工单处理过程,每年可以为 Uber 节省数千万美元。

下一代 COTA 中的深度学习

COTA 的成功使我们更坚定地持续优化机器学习算法,以提高系统准确性,并为客服和终端用户提供更好的体验。

深度学习框架可以在文本分类、汇总,机器翻译和许多辅助 NLP 任务(句法和语义分析,文本蕴含,命名实体识别和链接)中使用。

与深度学习相关的实验

在 Uber AI 实验室的研究人员的支持下,我们尝试将深度学习应用于下一代 COTA。我们基于卷积神经网络(CNN),递归神经网络(RNN)以及这两者的几种不同组合,实现了多种体系结构,包括分层结构和基于注意力的体系结构。

使用深度学习框架,我们能够以多任务学习的方式来训练我们的模型,使用单一模型既能够识别问题类型,又能提出最佳工单解决方案。由于问题类型被组织成层次结构,我们可以训练模型来预测问题在层次结构中的位置,在这其中使用波束搜索的循环解码器(类似于序列模型的解码组件),可以进行更精确的预测。

超参数优化选择最佳模型

为了确定最佳的深度学习架构,我们针对所有类型的架构进行了大规模超参数优化,并在 GPU 集群上进行了并行训练。最后的结果表明,最精确的体系结构既适用于 CNN 也适用于 RNN,但为了我们的研究目的,我们决定寻求一种更简单的 CNN 体系结构,该体系结构精准度稍有欠缺,但在训练和推断时间上更具优势。我们最后设计的模型精度比原始随机森林模型高 10%。

在下图中,我们展示了工单集的数据覆盖率(模型正在处理的工单百分比,x 轴)和准确度(y 轴)之间的关系。如下所示,随着数据覆盖率的降低,两种模型都变得更加精确,但是我们的深度学习模型在相同的数据覆盖率上表现出更高的准确性,在相同准确度下表现出更高的数据覆盖率。


图 6:深度学习模型和经典模型(随机森林)性能比较

我们目前正与 Uber Michelangelo 团队紧密合作,处于将这个深度学习模型产品化的最后阶段。

雷锋网 AI 研习社编译整理。

via:Uber

雷锋网

沃尔沃高级副总裁:我们如何看待与 Uber 的合作,以及沃尔沃的自动驾驶未来

雷锋网按:多数车企在与合作伙伴协作的同时,都有自己的自动驾驶规划,沃尔沃也一样。2013 年,沃尔沃在瑞典哥德堡公布了名为“Drive Me”的 100 辆车的用户测试计划,之后,这一计划扩展到了伦敦和中国。

上个月,沃尔沃和 Uber 刚刚签署了一项业内最大的自动驾驶订单,前者将向这家全美最大出行公司出售 24,000 辆 XC90 SUV。而早在此之前,两家就一直在进行自动驾驶方面的合作,由沃尔沃提供车辆,帮助 Uber 扩展其自动驾驶车队。

(2018 年 1 月 16 日,雷锋网·新智驾将在美国硅谷举办 GAIR 硅谷智能驾驶峰会,届时,将有国内外多位自动驾驶行业专家到场,带来丰富的行业干货分享。详情请点击:https://gair.leiphone.com/gair/gairsv2018)

本文由雷锋网编译自 Forbes 作者 Doug Newcomb  对沃尔沃研发高级副总裁 Henrik Green 的专访,其中主要讨论了沃尔沃的自动驾驶规划,与 Uber 的合作,以及这家车企如何实现 2020 年零死亡事故的目标。

Doug Newcomb:你们最早是怎么跟 Uber 接触的?

Green:我们是几年前偶然碰到一起的,之后很快发现在发展自动驾驶方面有共同的兴趣。同时,我们之间也有共同的合作基础和很好的承诺。

Newcomb:和 Uber 合作的好处是什么?

Green:在汽车行业,相对而言,我们的体量比较小,这也正给了我们一些机会。首先,我们可以跑得更快;第二,我们非常清楚自己不可能什么都做,因此需要建立多方面的合作,这可以帮助我们谋得更好的发展。在我看来,这些合作加起来会比全部自己来做要好得多。我们尽力跑得更快,也尽力利用这些合作快速扩张。

Newcomb:Uber 决定购置 24,000 辆 XC90,这可以为沃尔沃带来什么?

Green:我们基本上还是专注于自己的资源和技术,开发具备冗余系统和电子软件架构、适合自动驾驶的车辆。同时,我们也开发自己的面向消费者的自动驾驶系统,并希望到 2021 年可以将 L4 级的自动驾驶技术投入市场。这是沃尔沃为零售客户提供的产品,但是基于同样的基础车辆,Uber 也可以放入他们的自动驾驶软件,为他们的租车系统服务。

就合作而言,我们是基于同样的车辆联合开发,沃尔沃的工程师会全程参与,当然,这之中我们也会互相学习,只不过他们更专注自身的系统,而我们更关注车辆技术。

Newcomb:这 24,000 辆车什么时候可以在 Uber 上提供服务,会在哪儿先上线?

Green:我们会在 2019-2021 年交付车辆,但是具体的上线时间和地点,你还得去问Uber。

Newcomb:和 Uber 合作过程中,你们有过对合作关系影响较大的分歧吗?

Green:关于这点我无法评价。我们在合作中一直关注汽车技术,也一直进展得很顺利。我们在技术方面配合得很好。

Newcomb:与 Uber 的合作和与“Drive Me”有什么不一样?

Green:我们一般从三方面讨论沃尔沃的自动驾驶路线。我们有具备冗余机制、兼容自动驾驶系统的基础车辆,这正是我们在和 Uber 合作的项目;另外,我们和 Autoliv 成立了合资公司 Zenuity ,共同开发面向消费者的自动驾驶应用;第三,“Drive Me”是一个研究项目,更关注人与自动驾驶系统的交互,以及自动驾驶与常规人类驾驶如何安全、舒适地切换。在将技术安全投向市场的过程中,我们认为这是非常重要的。所以,“Drive Me”的主要关注点是人,以及他们如何与各种系统之间交互。

Newcomb:在自动驾驶方面,你们现在还有哪些技术上的挑战,如何去克服?

Green:眼下我们的技术挑战主要来自三方面:我们需要具备自动驾驶架构的车辆,需要自动驾驶大脑,需要有任何场景下都非常安全、流畅的用户交互。如何把这三点都处理好,是目前的挑战所在。

Newcomb:沃尔沃发展自动驾驶汽车的主要目的是什么?

Green:给用户更多时间。

沃尔沃一直努力在做的一件事就是让生活更便捷、更简单,让车辆拥有变得更简单。你可能也听到了很多关于 XC40 以及“月付租车”的信息。

如果把驾驶任务交给自动驾驶系统,可以帮助用户每天节约 20-30 分钟的上下班时间,短期内,这会提供很大便利。从长期来看,我们也相信自动驾驶汽车会成为社会和城市的重要组成部分,促进交通安全,减少交通事故和死亡率。

Newcomb:现在大部分自动驾驶汽车都集中在城市,对于偏远地区,你们有关注吗?

Green:这其实和手机很相似。看地图时,你会最先看哪儿?很多新手机在我郊区的家根本买不到。自动驾驶也是一样。我们应该会在测试过的特定区域发布第一款自动驾驶商业应用,之后这个版图会逐渐下沉。它所覆盖的区域会随着时间快速扩大,至少我希望是。这个路线就是从人口密集区域、靠近大城市的高速公路开始,逐渐向乡村地区延伸。

Newcomb:大约 10 年以前,沃尔沃发布了“ Vision Zero”计划,希望到 2020 年生产出真正的无伤害汽车,现在离这个期限只有两年时间了,这个目标能够实现吗?

Green:当然,这个目标是优先级的,我们也一直在努力,我们会在推出的每个新车型上一步步实现。

Newcomb:但是美国的交通死亡率还在上升,看起来时间已经很紧迫了。

Green:对美国以及整个汽车产业来说,实现零交通死亡率都是一个非常重要的里程碑。在这个指定的时间范围内,我们会推出新的车型。这是我们的目标。如果看一下沃尔沃陆续推出的新车,其实我们发布的每一辆车都在减少事故伤亡方面得到了提升。

雷锋网推荐阅读:

《Uber下单24000辆SUV,联手沃尔沃组建最大规模自动驾驶车队》

雷锋网

又有 Uber 股东倒戈,参与 Lyft 5 亿美元新融资

雷锋网新智驾此前报道,今年 10 月 19 日,美国第二大打车服务公司 Lyft 敲定了最新一轮 10 亿美金融资,领投方为 Google 旗下的投资公司 CapitalG 。而在较早期,Google 已经有相关资本进入到 Lyft 的直接竞争对手 Uber 口袋中,三家公司建立起了某种非常有意思的关系。

如今,最新情况是,据外媒报道,Lyft 最近一轮融资的募资额从 10 亿美元增加至 15 亿美元,Uber 股东富达投资集团以及安大略教师退休基金参与到最新一轮融资中,另外还包括现有投资者 AllianceBernstein、Baillie Gifford、KKR、Janus Henderson 和日本乐天集团(Rakuten)。Lyft 最新估值随之来到 115 亿美元。

有趣的是,Lyft 的新投资方富达投资集团曾在 2014 年 6 月领投了 Uber 的 D 轮 12 亿美元融资,进入到后者的董事会中。今年 6 月 20 日,Uber 五个主要投资方联合致信迫使 Uber 创始人 Travis Kalanick 辞去 CEO 一职,而富达投资集团便在这五大投资方之中。

Uber 江河日下,Lyft 渔翁得利,资本只看利益,不讲情面。Uber 这一年遭遇了一系列丑闻和专利官司导致声誉受损,而对手 Lyft 在这一年里全方位追赶、快速增长。据了解,今年7月份,Lyft 平台订单量以及司机端的收入增加了近 25%,增速明显要高于对手 Uber ;而今年10月月初,Lyft 官方表示其平台已经完成了第 5 亿次接送服务,成功覆盖 95% 的美国人口,相比于年初上涨了 54% 。据彭博社获得的一份私人投资者文档显示,Lyft 将在明年上半年首次停止亏损。

当然,拿到钱的 Lyft 也将继续加大投入力度,紧紧抓住 Uber 近期的颓势,自动驾驶领域可能是 Lyft 目前比较重点的投入去向。

上个月,对外宣称要打造自家的自动驾驶软件系统才四个月,Lyft 便拿到了加州交管局的许可,成为路测名单中的第 45 家企业,将在加州的公开道路上测试自动驾驶汽车。

据雷锋网新智驾此前了解,Lyft 自动驾驶汽车研发部门被称为 Level 5 ,办公室位于美国湾区的 Palo Alto,目前有 60 名雇员,其中多数人有数字地图方面的开发经验。

而为了快速切入到自动驾驶的研发中,Lyft 正在使用 ROS 开源平台以及百度的 Apollo 开放平台搭建自家的自动驾驶软件系统。

除了 Level 5 团队以外,Lyft 还有一个开放平台允许其他的企业与其合作,将其自动驾驶汽车投放到 Lyft 的打车网络上。其中包括福特 Argo、通用 Cruise、谷歌 Waymo、德尔福 nuTonomy、捷豹路虎以及 Drive.ai 已经成为该开放平台的成员。Lyft 与 Drive.ai 合作的配备“安全司机”的自动驾驶测试车队今年年底就将落地。

自动驾驶相关的商业模式目前 Uber 也在大力投入进行探索,两家的竞争本就激烈。如今,Uber 的投资方又不断倒戈走向 Lyft ,好戏还在后头。

雷锋网新智驾推荐阅读:Google 领投 Lyft 10 亿美金新融资,Uber 被双面夹击

雷锋网

Uber 的自动驾驶汽车要给匹兹堡带来一场革命,但革谁的命?

雷锋网按:自动驾驶可能会开拓出一个价值 7 万亿美元的巨大市场。不过,对于自动驾驶汽车产业,人们还是顾虑颇多。

比如,自动驾驶行业带来的新岗位能否覆盖被它威胁的岗位?Uber、Argo AI、Aurora 和德尔福都在匹兹堡这座钢铁之城进行自动驾驶路测,他们能为整个行业带来多少就业机会?政府该如何应对?哪些人又能从中获益?这些都是值得深思的问题。本文由雷锋网编译自 Huffingtonpost

说到自动驾驶,我们马上会想到它带来的好处,但对匹兹堡这样最先拥抱这一技术的城市来说,自动驾驶汽车却成了一个甜蜜的负担。它确实会带来大量新机遇,但这些机遇却让城市里的普通居民难以享受。

Lisa Franklin-Robinson 驱车来到匹兹堡市郊,她在一座三层小楼前停了下来。在高中时代,Lisa 曾来这里参加过多次睡衣派对,但一转眼她已经 53 岁,两年前成了一名 Uber 司机。

Lisa 来这里是为了接送一名在 Uber 上叫车的乘客,客人坐上她的福特蒙迪欧后,用一口英国腔打招呼,她意识到原本住在这里的高中同学已经搬走了。在路上,她给客人讲了这座房子的历史,包括之前的布局和日式装修风格。

“这位英国绅士以好奇的眼光打量我,仿佛在想‘这个瘦小的小黑妞怎么会知道我的房子?’”Lisa 说。“不过聊了一会后他就主动开始问我一些关于这座房子的历史,这个英国人也是刚刚搬来不久。”

巧合的是,这名乘客也是 Uber 雇员,他刚刚被 Uber 从 Twitter 挖来,未来将到匹兹堡支援 Uber 的自动驾驶项目,而该项目的目标就是替代像 Lisa 这样的人类司机。Lisa 并没有打听这位 Uber 产品经理在自动驾驶项目的工作,但她希望自己的服务能给他留个好印象。

“我不知道自己的言语能对他有多少触动,但我认为这段闲聊能让他意识到人的因素在这个行业里也非常重要。”Lisa 说。

“我认为这是他们探索自动驾驶之路上忽略的重要部分。”Lisa 继续说。“交通出行可不只是从 A 点到 B 点的机械运动。”

Uber 2014 年才正式进军这座古老的钢铁城市,但在短短一年时间里它就从卡耐基梅隆大学挖来了多位机器人专家,这些人帮助 Uber 打造了一个强大的自动驾驶部门。

2016 年 5 月,Uber 的自动驾驶测试车正式在匹兹堡上路,4 个月后便开启了用户试乘项目。

匹兹堡市长欢迎自动驾驶汽车的到来

在匹兹堡市长 William Peduto 看来,自动驾驶汽车会成为这座钢铁城市未来经济的关键支柱之一,因为这些新型车辆可能会开拓出一个价值 7 万亿美元的巨大市场。不过,对于自动驾驶汽车产业,人们还是顾虑颇多。

去年 9 月 Uber 的测试车开始带着匹兹堡市民穿梭于大街小巷后,Peduto 就批评 Uber 做事太独断,它并没有和城市、社区组织携手合作。最初 Peduto 认为 Uber 能承担更多社会责任,用自动驾驶汽车为城市带来更多就业和资源。不过,从现在的情况来看,Uber 到底能创造哪类工作,又要消灭哪类工作依然是未知数。

从业内消息来看,Uber 的到来确实给匹兹堡带来了更多高技术工程师岗位,此外需要跟车的安全驾驶员需求量也大增。但媒体的消息显示,匹兹堡帮现有蓝领员工“充电”的资金还没到位,而这些人在自动驾驶普及后会丢掉饭碗。如果这样的情况继续下去,社会的贫富差距将进一步拉大,穷人甚至连房子都租不起。

过去 40 年,匹兹堡一直是工业衰落的象征,曾经让这座城市引以为傲的钢铁厂要么迁到了国外,要么换装了昂贵的新设备,用工需求大幅缩水。

这在匹兹堡公共交通系统宣传小组负责人 Laura Wiens 看来,自动驾驶汽车会给已经丢了饭碗的数万名钢铁工人再次带来创伤。“我觉得我们正在轻率的选择一条似曾相识的阵痛之路。”Laura 说。

Uber 的自动驾驶测试车

Uber 的自动驾驶汽车基于沃尔沃 XC90 打造,车门上打了 Uber 的 Logo,车顶则是一堆旋转的传感器,看起来就像是没有闪烁的警灯。

这些在路上悠闲奔跑的车辆已经成了匹兹堡拥抱自动驾驶产业的标志,不过 Uber 并不孤单。想在匹兹堡大展拳脚的还有德尔福,它拉上了宝马当合作伙伴。此外,拿到福特 10 亿美元投资的 Argo AI,与奥迪合作的 Aurora Innovation,甚至卡耐基梅隆大学都在自动驾驶技术上投入巨大。

虽然我们很难理清到底有多少人投身到自动驾驶行业,但这座只有 30 万人口的城市已经竞争氛围浓厚,无论巨头还是新创公司,都在打着自己的小算盘。

这些公司在研发人员数量上都“非常神秘”,Peduto 市长在接受采访时说。他预计在 Uber、德尔福、Argo AI 三家主要公司工作的自动驾驶研发人员约为 1000 人,但也只是这个行业的一小部分而已。

此外,各家公司的研发团队还在不断扩大。今年 2 月,Uber 就公布了自己 700 人的团队扩张计划,当时还有 100 个职位空缺。Argo AI 则计划今年年底前在三个城市新招 200 名员工(其中包括匹兹堡总部)。德尔福前不久表示计划在明年年中完成 100 名新员工的招聘。

匹兹堡科技委员会主席 Audrey Russo 表示,随着更多自动驾驶公司在匹兹堡落地,它创造的工作岗位会成倍增加。

如果你没什么专业技能,那么“车辆操作员”是最适合你的岗位。拿 Uber 举例,车辆测试时需要两位操作员坐在沃尔沃的前座,他们负责监控车辆并回答乘客提出的问题。

当然,这还不是全部,驾驶员座位上的操作员要在关键时刻拿回车辆操控权,而副驾驶座位上的操作员则需要用笔记本记录数据

Uber 测试车内部

除此之外,自动驾驶公司带来的工作岗位大多集中在软件设计和硬件工程等高技能职位上。在 Uber 目前在官网公布的 56 个招聘职位中,大多都是工程师,只有一个是车辆操作员。

当然,其他公司也在招聘车辆操作员。近期 Argo AI、Aurora 和德尔福都有车辆操作员的招聘计划。在招聘启事中,车辆操作员并不需要什么专业学位,他们只要沟通能力强且有良好驾驶记录。

虽然现实很残酷,但 Peduto 市长还是坚信,自动驾驶汽车能为驾驶员、机械师、工人甚至政府关系、通讯、法律等从业者带来丰厚收入。

“自动驾驶行业创造的工作岗位可不是博士们的天下,司机们也会受益。”Peduto 说。他认为匹兹堡引来的不只是研发人员,建筑和制造也会从自动驾驶而来,这一新产业能让这座老城市变成“全球就业中心”。

去年秋天,Uber 和宾州西部的退伍军人领导力项目(一个小型非营利组织)合作,试图通过训练让退伍老兵们胜任车辆操作员的职位。对 Peduto 来说,这是一项重要的政绩工程,但项目启动一年之后,Uber 的车辆操作员中没有一位来自这个项目。

更令人无奈的是,虽然车辆操作员岗位吸收了不少低技能工人,但这一职位的工作人员数量正在下滑。

前不久 Uber 表示,未来每辆测试车上的车辆操作员会从两人缩减到一人,此举是为了给未来的全自动驾驶做准备,到时车里可是一个人类驾驶员都没有。当然,想彻底取消车辆操作员现在还有些困难,毕竟宾夕法尼亚州的法律还不允许这样做。

负责匹兹堡公共交通的 Wiens 认为,这也意味着现在给 Uber 和 Lyft 开车的司机们有可能很快也会丢工作。在她看来,自动驾驶行业带来的新岗位根本无法覆盖被它威胁的岗位,巴士司机、垃圾车司机、卡车司机和快递员们还是会丢工作,而这些工作背后大多有强大的工会。

今年春天,Wiens 的团队联系上了名为 One Pennsylvania 的组织,后者专攻经济和种族平等。此外,它们还和 Peduto 市长与联合运输工会会面。

在会上,Wiens 提交了一份请求清单,清单上还列举了一些问题的解决方案。其中就包括为失业的工人建立公共基金,Wiens 认为这一方案在下岗工人再教育上非常有成效。

Peduto 市长称他准备从全局角度对匹兹堡的劳动力前景进行规划,下岗再培训只是其中之一,重新思考未来的工作也是必须的。“20 年后找工作可比现在困难,自动驾驶汽车只是一座小山而已。”Peduto 市长说。

自动驾驶行业已经在匹兹堡留下了深刻的印记,它甚至成为 Uber 和 Argo AI 的总部所在地。

Uber 的自动驾驶汽车现在的载人测试只覆盖了匹兹堡的 9 个街区,但这座钢铁城市其实有 90 个街区。即使这样,自动驾驶的出现已经引起了巨大的恐惧,人们担心它会加剧社会的不公。

匹兹堡一直是一个种族和阶级相当分明的城市,而现在有钱的年轻人已经开始占据了曾经的低阶层土地,将曾经的穷人驱赶到更远的地方。

这并非第一次科技引发的中产阶级化,曾经的匹兹堡黑人区就因为谷歌办公室的到来成了富人的乐园,而在谷歌办公室来之前,这里暴力严重,90% 的居民都逃离了。

今年早些时候在市长竞选中输给 Peduto 的 John C. Welch 认为,科技发展已经将穷人挤到了城市边缘,他担心 Uber 的快速发展会加速穷人生活水平的恶化。

“无论任何时候,大公司来匹兹堡都是要挣钱的,而这里的居民是它们的金钱来源,如果不商量好相应的补偿政策可不行。”Welch 说。

因此,匹兹堡不能再重走钢铁时代的老路。

“我们当时毁掉了自己的环境,造成了社会无法弥合的分裂。”Peduto 说。“我们一手打造的这个系统带来了几十年都解决不了的问题,这一切都是因为最初设计时没看到未来。”

现在,匹兹堡再次有机会站在科技进步的前列,这次可不能只醉心于打造自动驾驶汽车,我们要为所有匹兹堡人创造新机遇。

“不过,这可不是自然而然就会发生的,它需要我们去推动。”Peduto 市长说道。“不过我们也面临一个问题,那就是如果我们阻碍发展,那么机会就会被别的城市抢走。”

雷锋网推荐阅读:

匹兹堡市长William Peduto专访:我们是怎么让Uber自动驾驶汽车上路的?

雷锋网

Uber Movement正式上线,有望帮助解决城市交通拥堵问题

雷锋网消息,Uber今年1月曾发布一项新服务“Uber Movement”,希望利用其所收集的海量数据帮助城市改善交通状况。北京时间8月31日,Uber Movement网站正式上线。

据相关报导,目前,任何人都可以访问Uber Movement来估算自己的出行时间。进入Uber Movement网站,选定一个区域,并选择一段时间,例如一天中的某个时段,就可以查看该地区的交通状况是拥塞还是顺畅,比较工作日与节假日的行车时间差别等。此外,这项服务能根据某一天的某一个时间计算出从城市A点达到B点所需时间。

Uber称,城市规划者能利用这些数据分析流量模式,找出城市交通基础设施的薄弱环节,从而有效治理交通拥堵状况。

不过,目前Uber Movement只提供波哥大、波士顿、马尼拉、悉尼和华盛顿特区等少数城市的资料,但将来还会陆续开放更多数据。当前,Uber在全球约450 个城市运营。

虽然这项服务带来的利好颇多,但Uber Movement自发布以来已经引发了一些有关泄露用户隐私的争议,因为目前还没有标准规范专车公司利用乘客数据的方式。对此,美国城市交通官员协会执行理事琳达·贝利(Linda Bailey)接受采访时称,该协会正在加紧拟定相关的数据共享标准。

雷锋网

Uber 董事会今日投票选 CEO,最关键人选却在此时宣布退出

雷锋网消息:Uber 董事会将在今日投票,选出空缺两个月之久的 CEO 人选。就在这个当口,最重要候选人之一的  Jeff Immelt,却选择退出了。


美国太平洋时间 27 日早,Jeff Immelt 通过推特宣布了推出 Uber 角逐:

“我决定不再角逐 Uber 的领导者位置。我对这家公司的它的创始人们—— Travis、Garrett、Ryan 怀有无比的敬意。”

Jeff Immelt 为前通用电气总裁——在 2010 至 2017 担任通用电气 CEO,本月初卸任,但仍担任通用电气董事会主席。雷锋网此前获得消息,Uber 董事会希望由一位经验老道的管理者出任公司 CEO,来平衡目前内部倾轧不止的棘手情形,Jeff Immelt 成为最理想人选之一。据称,他此前已获得大多数董事会成员的支持。更重要的是,他是公司创始人 Travis Kalanick 最“属意”的人选——凭借两个人的私交,Jeff Immelt 上位后,Travis Kalanick 有更大的空间继续对 Uber 施加影响力。

Jeff Immelt 

本月 25 日周五,Jeff Immelt 向 Uber 董事会进行了申请 CEO 职位的报告,匿名人士向外媒 Recode 表示,这场沟通下来,双方都不甚满意。

很明显,经过周五的报告,Jeff Immelt 在这个周末下了决心。 

该消息源透露,Jeff Immelt 对于 Uber 董事会无休无止的内部倾轧、难以行使正常职能、对于如何选择 CEO 上“经验欠缺”,越发感到心烦。尤其是最近 Uber 大股东 Benchmark 和创始人 Travis Kalanick 之间的官司,让他觉得前者是 Uber 内部的一股”破坏性“力量,愈发不想趟这浑水。以他的多年管理经历来看,他感到 Uber 董事们缺乏把公司放在首位的意识。

现在,老爷子的表情应该是这样的:

但这只是故事的一部分。

Jeff Immelt 批评 Uber 董事会如何选择 CEO 上“经验欠缺”,指的不是别的,是这个 CEO 竞争上岗环节太乱,他自己的体验太差。

  • 首先,在 Travis Kalanick 因为性别歧视问题下台后,Uber 董事会宣称要寻找一名女性 CEO,以改善公司形象。

  • 但从雷锋网日前获得的消息来看,三名 CEO 候选人均为男性。至于另外两名究竟是谁,到现在外界都不得而知,而且也不重要了——到现在这个阶段,那两位应该早就被 pass 掉了。

  • 而据现在的消息来看,最受以 Benchmark 为首的董事会成员青睐的 CEO 人选,是当前 HPE 的女 CEO Meg Whitman。问题是,Meg Whitman 从未正式加入对 Uber CEO 位置得角逐,并不在三名正式候选人之列,而是一直和董事会成员以非正式沟通的形式协商。

怪不得老爷子说 Uber 董事会选 CEO 不专业——搞什么?到最后正式候选人都不算数是么!

也有消息认为,他清楚大多数董事会成员已倾向 Meg Whitman,后者也表示愿意接受这份工作,因而识趣地主动退出,避免竞选 CEO 选不上的尴尬(到现在这个阶段,全世界都知道他在角逐 Uber CEO)。

Meg Whitman

Meg Whitman 在是否愿意担任 Uber CEO 这一问题上,态度有数次转变。

全世界都知道 Uber 最想要一名女 CEO,在科技圈,比 Meg Whitman 资历更深、经验更老道的女性职业经理人没有几个。如果她一早就明确接过 Uber 伸出的橄榄枝,很可能 Uber CEO 就不用选了。

虽然曾经表露过对 Uber 的兴趣,但她后来一直是拒绝的。两个星期前还公开明确声明,并不会参与竞争 Uber CEO 的位子。

这给了其他候选人希望。

但 Meg Whitman  一直和 Uber 董事会以非正式形式沟通她的条件,包括董事会重组、减少 Travis Kalanick 的干预、以及更大的管理、公司组织变动权限。就在最近,传以 Benchmark 的 Matt Cohler 和 Graves 为首的董事会成员,终于决定接受她的条件。

Jeff Immelt 也就不得不黯然退出了。

这也代表着:在这场 CEO 人选的争夺中,Travis Kalannick 败给了 Benchmark。

*部分内容来自 recode

雷锋网