چگونه گوگل مپ از ابزارهای هوش مصنوعی DeepMind برای پیش‌بینی زمان رسیدن شما استفاده می‌کند

منتشرشده در مجله The Verge به تاریخ ۳ سپتامبر ۲۰۲۰
لینک مطلب اصلی: How Google Maps uses DeepMind’s AI tools to predict your arrival time

گوگل مپ یکی از پرمصرف‌ترین محصولات شرکت گوگل است و توانایی آن در پیش‌بینی ترافیک در آینده، استفاده از آن را برای بسیاری از رانندگان ضروری می‌سازد. گوگل می‌گوید هر روز، در بیش از ۱ میلیارد کیلومتر جاده با کمک این برنامه حرکت انجام می‌شود. اما همانطور که این غول جستجو در یک پست وبلاگ توضیح می‌دهد، ویژگی‌های آن به لطف ابزارهای یادگیری ماشین از DeepMind، آزمایشگاه هوش مصنوعی مستقر در لندن که متعلق به شرکت اصلی گوگل یعنی Alphabet است، دقیق‌تر شده‌است.

در این پست وبلاگ، محققان گوگل و DeepMind توضیح می‌دهند که چگونه داده‌ها را از منابع مختلف می‌گیرند و آن را به مدل‌های یادگیری ماشین برای پیش‌بینی جریان‌های ترافیکی تبدیل می‌کنند. این داده‌ها شامل اطلاعات ترافیکی زنده جمع‌آوری‌شده به صورت ناشناس از دستگاه‌های اندروید، داده‌های ترافیک تاریخی، اطلاعاتی مانند محدوده سرعت و مکان‌ها و جاده‌ها در دست ساخت‌وساز از دولت‌های محلی، و همچنین عواملی مانند کیفیت، اندازه و جهت هر جاده می‌باشد. بنابراین، در برآوردهای گوگل، زمانی که الگوریتم‌های آن تصمیم می‌گیرد که گاهی اوقات استفاده از شاهراه‌های طولانی‌تر، سرعت بیشتری از پیچیدن بین خیابان‌های پر پیچ و خم خواهد داشت، جاده‌های سنگ فرش شده خیابان‌های بدون سنگفرش را شکست می‌دهند.

تمام این اطلاعات به عنوان ورودی در شبکه‌های عصبی طراحی‌شده توسط DeepMind که الگوهایی را در داده‌ها انتخاب می‌کنند و از آن‌ها برای پیش‌بینی ترافیک آینده استفاده می‌کنند، استفاده می‌شوند. گوگل می‌گوید که مدل‌های جدید آن دقت نقشه گوگل را تا ۵۰ درصد در برخی از شهرها افزایش داده‌است. همچنین اشاره می‌کند که مجبور است اطلاعاتی را که استفاده می‌کند تغییر دهد تا این پیش‌بینی‌ها را بخاطر شیوع ویروس کرونا و تغییر متعاقب در استفاده از جاده‌ها انجام دهد.

یوهان لاو، مدیر تولید گوگل مپ می‌گوید: «با آغاز قرنطینه در اوایل سال ۲۰۲۰، ما شاهد کاهش ۵۰ درصدی ترافیک در سراسر جهان بودیم. برای در نظر گرفتن این تغییر ناگهانی، ما اخیرا مدل‌های خود را به روز کرده‌ایم تا چابک‌تر شود-به طور خودکار الگوهای ترافیک تاریخی از دو تا چهار هفته گذشته را در اولویت قرار داده و الگوهای تاریخی متعلق به هر زمان قبل از آن را از اولویت خارج کردیم.»

این مدل‌ها با تقسیم نقشه‌ها به چیزی که گوگل آن را «ابربخش‌ها» -خوشه‌های خیابان‌های مجاور که حجم ترافیک مشترکی دارند- می‌نامد، کار می‌کنند. هر کدام از اینها با یک شبکه عصبی جداگانه جفت شده‌اند که پیش‌بینی‌های ترافیکی را برای آن بخش انجام می‌دهند. مشخص نیست که این ابربخش‌ها چقدر بزرگ هستند، اما کارمندان گوگل اشاره می‌کنند که آن‌ها «اندازه‌های دینامیک» دارند، که نشان می‌دهد همزمان با ترافیک تغییر کرده و هر کدام از ترابایت‌ها داده استفاده می‌کنند. کلید این فرآیند استفاده از نوع خاصی از شبکه عصبی به نام شبکه عصبی گراف است که گوگل می‌گوید برای پردازش این نوع از داده‌های نقشه‌برداری بسیار مناسب است.

این متن با استفاده از ربات ترجمه مقاله علمی ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.