Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

原滴滴AI Labs负责人叶杰平正式加入贝壳找房

滴滴出行原副总裁叶杰平的去向终于尘埃落定。

10 月 12 日,原滴滴出行人工智能实验室负责人叶杰平宣布正式加入链家旗下大居住领域平台贝壳找房,任贝壳技术副总裁、首席科学家,并将全面负责人工智能技术中心的相关工作,向贝壳找房 CTO 闫觅汇报

贝壳找房表示,未来叶杰平将带领团队进一步探索 AI 技术对「住」这一领域的改造可能,加速居住服务产业的数字化转型和智能化升级。

9 月 7 日,叶杰平正式离开了滴滴,他在内部告别信中表示,希望尝试去探索 AI 在其他领域的可能性。

与此同时,原滴滴出行 AI Labs 首席算法工程师李先刚也宣布加盟贝壳,在 AI 团队中任高级总监。

AI 领域两位卓越人才

叶杰平和李先刚,曾为滴滴出行的人工智能技术研发做出过不少贡献。

叶杰平,2005 年美国明尼苏达大学博士毕业,是美国密歇根大学终身教授、智源学者、IEEE Fellow。2015 年,叶杰平加入滴滴,担任滴滴出行副总裁、滴滴 AI Labs 负责人。

叶杰平教授主要从事机器学习数据挖掘和大数据分析领域的研究,尤其在大规模系数模型学习中处于国际领先地位。有数据显示,叶杰平在机器学习数据挖掘国际顶级会议和期刊上共发表论文 200 余篇,引用次数超过 8000 次。叶教授曾获 KDD 和 ICML 最佳论文奖,并担任多个机器学习数据挖掘领域顶级会议的主席。

2010 年,叶杰平获得美国国家自然科学基金会生涯奖,2018 年获中国计算机协会「青竹奖」。2019 年,叶杰平因「对机器学习数据挖掘方法和应用方面的贡献」当选 IEEE Fellow。

在滴滴任职的五年里,叶杰平带领团队推动了滴滴在机器学习、自然语言处理、语音识别、计算机视觉等方向的研发。在叶杰平的带领下,滴滴研发出了基于算法的派单系统,引入了强化学习等技术,它直到今天都是滴滴高效率调度车辆的基础。

另一位加入贝壳找房的原滴滴 AI 研究者李先刚,则主攻语音领域。

李先刚,2015 年在北京大学获得计算机与信息科学博士学位,后加入百度,担任百度语音识别技术负责人,2017 年加入滴滴出行。

他在滴滴出行 AI Labs 的职位是首席算法工程师,主要负责滴滴语音相关的技术和应用,关注的领域包括语音相关前沿算法(包括语音识别、说话人识别和自然语言处理等)及其产业应用。

作为移动互联网的新巨头,滴滴出行的平台连接了大量司机和乘客,如何通过技术手段更好地服务用户一直是这家公司技术团队研究的方向。复杂的技术场景为 AI 技术落地带来了很多需求,纠纷判责(基于行程录音)、车载语音交互、AI 客服等,都需要更好的语音识别技术,近几年来,李先刚一直在努力推动这些技术落地。

滴滴 AI Labs 痛失两员大将

滴滴 AI Labs 成立于 2018 年 1 月,由时任滴滴副总裁的叶杰平教授领导,当时团队包括两百余位从事 AI 前沿技术研发的科学家和工程师。

今年 9 月,滴滴内部邮件显示,滴滴 AI Labs 负责人叶杰平因个人原因将于近期离职。叶杰平离职后,由 CTO 张博兼任 AI Labs 负责人,滴滴智能控制首席科学家唐剑任 AI Labs 副主任。

据新浪财经消息,近半年来已经有多位高管离开滴滴,包括滴滴出行副总裁、科技生态与发展部负责人郄小虎,滴滴国际化业务 COO 仇广宇,滴滴高级副总裁、普惠出行与服务事业群总经理付军华等高管。

现在,滴滴 AI Labs 负责人和首席算法工程师的离开,不知会对滴滴 AI Labs 产生怎样的影响。

贝壳找房,面向居住服务数字化

另一方面,叶杰平等人加入的贝壳找房,也是一个颇具野心的房产平台。2018 年 4 月,链家推出了「贝壳找房」,希望通过以楼盘字典、A+、贝壳分、小贝助手等为代表的大数据与数字工具搭建行业新型基础设施,面向房产经纪人、店东、品牌、政府进行全行业开放和输出。

截至 2020 年 6 月 30 日,贝壳找房平台已连接 265 个房产经纪品牌、4.2 万家线下门店以及超 45 万经纪人,向其提供了 6 类产品、100 个子功能,实现一站式作业,其中包括小贝助手、智能手环、自动化机器人等 20 个以上智能产品。

在贝壳找房,基于新技术的 VR 看房、直播看房等形式,不仅使购房不再局限于线下固定的物理场景,而且使消费者可利用碎片时间进行数字化消费,提升了消费、服务对疫情等风险因素的抗风险能力。

贝壳研究院数据显示,在 2020 年的第一季度,贝壳找房平台上的经纪人和消费者,共同发起了超过 1800 万次 VR 带看,VR 带看的通话时长达到 50.7 万小时,相较 2019 年 4 季度增长了 80 倍。

在今年 4 月,贝壳的「小贝助手」迎来了升级,从原有的咨询助手,延展到了营销、维护、培训等场景,并全面植入 AI 能力。

在新技术大量落地的今天,住房领域正需要一个大量应用 AI 技术的玩家。贝壳是否能够引领房产领域的智能化转型,我们还需拭目以待。

入门滴滴AI Labs叶杰平贝壳找房
相关数据
数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

推荐文章
暂无评论
暂无评论~