在最理想的情況下，自學習算法可能成為“三贏”
凱洛格管理學院
2023-03-27
當新冠疫情來襲時,，塞巴斯蒂安·馬丁正在Lyft公司擔任博士后研究員,。突然之間，使用Lyft應(yīng)用程序的乘客與司機的數(shù)量發(fā)生了重大的變化,，公司也試圖迅速因應(yīng),。
Lyft過去一直使用一種算法來匹配司機與乘客，因此公司以為或許將這個算法稍做調(diào)整便可以變成有效的新冠疫情方案,。然而事與愿違,，這項工作比預(yù)料的困難許多?！八C明了這套系統(tǒng)的局限性,。”如今是凱洛格學院運營學助理教授的馬丁說道,。
馬丁解釋,，主要問題在于簡單的算法，例如將距離最近的司機指派給乘客,，事實上效果不是那么好,。
于是馬丁開始思考如何能夠改善這種匹配算法，甚至在共乘服務(wù)從新冠疫情中復(fù)蘇之后,。如果算法可以教自己更好地調(diào)度司機然后做出實時調(diào)整會怎樣呢,？
馬丁和一個Lyft團隊實現(xiàn)了這樣的假設(shè)。他們用了一年多的時間創(chuàng)造出了一個能夠進行“強化學習”的算法,，這在科技公司簡直就是永生,，馬丁表示。而設(shè)計這個算法雖然困難,，但要說服公司上下去試用一樣很難,。
畢竟，強化學習會要你“讓出一大部分的掌控權(quán)?！瘪R丁說,。“一臺可以做決定而不告訴你的機器,？試想如果它做的決定關(guān)乎你賴以維生的工作呢,？”
然而結(jié)果是值得的：Lyft公司開始賺更多的錢，司機有了更多的工作,，乘客給出了更多的五星評價,。此外，他們的項目被提名為2023年弗蘭茲·厄德曼獎（Franz Edelman Award）的六名決賽者之一,，這是分析與運營研究領(lǐng)域里最負盛名的獎項,。如果你在過去一兩年內(nèi)用過Lyft，那么這個算法就幫助過你匹配給某個司機,，而你的出行數(shù)據(jù)反過來又幫助改進算法,。
在對自學習算法越來越憂懼的氛圍下（想想ChatGPT），Lyft的故事顯示在這些工具中,，有些確實能夠改善每一個人的生活,，馬丁表示。
“它不總是零和游戲”,，輸與贏不是處于此消彼長的狀態(tài),。他說道?！俺丝透鼭M意,，司機更忙碌，平臺賺錢更多,?；旧鲜前倮鵁o一害?！?/p>
為什么最近的并不總是最好的
對大多數(shù)人而言,，尤其是下雨天站在街頭等候共乘的我們來說，派出距離最近的司機似乎是最符合邏輯的做法,。但實際上卻不總是如此,。
當生意繁忙而司機人手不足時，問題就出現(xiàn)了,，馬丁解釋道,。在這種情況下，離乘客最近的司機或許還相當遠,。要是派遣這名司機,，他就要花很多時間“開空車”，讓乘客苦苦等候，說不定司機還在途中,，乘客就已經(jīng)取消叫車,。還有很關(guān)鍵的一點是這意味著試圖叫車的新乘客會需要等候更長的時間，因為有空的司機正在花很多時間試圖開車到下一個乘客那里,，因此有空載客的司機越來越少,。
“它像是平臺的死亡螺旋?！瘪R丁說道。
因此,，理想的解決方案會是一個可以預(yù)測接下來幾分鐘情況如何演變的匹配算法,。會有一個新的、更近的乘客出現(xiàn)嗎,？某條堵車的道路會變的通暢而縮短開車時間嗎,？如果司機去接載某個乘客，下車地點的附近是否會有另一個乘客,，使得轉(zhuǎn)換到下一個乘客的效率更高嗎,？
總之，這個算法要能夠預(yù)測接下來會發(fā)生什么事情,。馬丁和Lyft的團隊成功地教算法去做這樣的工作,。
他們著重于在任何時間有空的司機的“價值”，這個價值是司機工作當天收入的估計值,。然后,，他們訓練算法不間斷地分析實時情況，以便算法訓練自己預(yù)期接下來最可能發(fā)生什么事情,。
這類似于會下棋的強化學習算法,，馬丁說道。下棋算法接受數(shù)百萬個實際棋局的訓練,，然后便可以用那些知識來預(yù)測對手的下一步走法,。
該團隊通過建立實驗時段和對照時段來測試他們的算法。在實驗時段,，Lyft用強化學習算法來匹配司機與乘客,，在對照時段，則用Lyft的一般算法進行匹配,。
在經(jīng)過一年多的調(diào)整改進后,，他們找到了一個在所有重要功能上都勝過舊算法的新算法。它一年為公司多增加相當于超過3,000萬美元的收益,，司機的收入也相應(yīng)提高,。乘客取消叫車的可能性減少了3%，叫車后沒有司機能夠接單的情況減少了13%。同時,，乘客的五星評價數(shù)量也變多,。
馬丁說：“使用Lyft的人沒有增加。這些改善是由于司機獲得了更好的運用,?！?/p>
超越數(shù)學
他們的成功是共乘公司使用強化學習的第一個記載案例。不過,，設(shè)計算法不是唯一的困難點,。
“比數(shù)學更重要的，是如何在公司內(nèi)做這件事情,?！瘪R丁表示。
強化學習意味著涉及其中的人未必對事情的現(xiàn)況一清二楚,。對一家公司而言,，這變得有些棘手，馬丁說道,。比如,，假設(shè)負責定價的團隊想要進行自己的實驗，那么他們就希望將所有其他因素保持不變以便了解實驗數(shù)據(jù),。但如果與此同時,，一個匹配算法自行改變，要知道如何解讀定價實驗的數(shù)據(jù)就變得很困難,。
“它讓其他許多情況變得錯綜復(fù)雜,。”馬丁說道,。
此外,，它使研發(fā)該算法的團隊難以了解如何繼續(xù)創(chuàng)新?！叭绻藗儗φ诎l(fā)生的事情一無所知,，他們?nèi)绾文軌蚶^續(xù)創(chuàng)新？”馬丁問道,。馬丁目前和一名博士生黃玉笛（音譯）合作,，后者正在與Lyft合力研究這個問題。
此外,，在Lyft,，這個算法的研發(fā)花費了一年多的時間?！耙荒陮萍脊臼呛荛L的時間,，兩個月就已經(jīng)很長了,！在一件效期不長的事情上花一年時間是非常少見的?！彼f道,。
最終，該團隊保持士氣,，終于說服公司的其余部門讓他們繼續(xù)實驗,。他說，這不涉及高科技策略,?！坝玫氖侨魏蔚胤蕉歼m用的相同方式，也就是去找合適的人商量,，取得人家的信任,。組織一個興致高昂的團隊，然后證明東西有效,。在研究領(lǐng)域里，通常認為構(gòu)想本身就已足夠,，但對公司而言,，真正可以帶來成果的是過程?！?/p>
事實是,，至少在這個案例上，過程帶來“三贏”的情況,，馬丁對此特別興奮,。
每一次團隊測試修改后的算法時，他們會看著儀表板上各項重要指標的顏色變化,，紅色代表實驗結(jié)果比現(xiàn)況糟,，綠色代表比現(xiàn)況好。
“團隊找到致勝算法的那一天,，儀表板上出現(xiàn)了一整片綠色,。”他說,，“這就是運營優(yōu)化真正要做到的事情：找出全綠的東西,。”（財富中文網(wǎng)）
財富中文網(wǎng)所刊載內(nèi)容之知識產(chǎn)權(quán)為財富媒體知識產(chǎn)權(quán)有限公司及/或相關(guān)權(quán)利人專屬所有或持有,。未經(jīng)許可,，禁止進行轉(zhuǎn)載、摘編,、復(fù)制及建立鏡像等任何使用,。
