原标题：人工智能专家如何破解难题，再放一只Alphago？

在外卖平台饿了么有1000多名调度员，他们都是送货小哥出身，熟悉自己站点周边的每个餐馆、小巷和小区。现在，他们要坐在站点中，一整天对着电脑，凭着经验，匹配订单和送货员，让外卖尽可能快地送达食客手中。

外卖与三国游戏

一年前，阿里云大数据孵化器团队负责人山景博士来到饿了么站点，双方想看看能否用机器来替代人工派单。但这件看似简单的事却并不容易，因为其中有太多不确定性。

山景博士称这是“大盘上的三国游戏”，但规则性却比下棋要差——送货员有思想、有预判，可能完全不理会指令，按照自己的习惯走。餐馆繁忙度有时不可控，出餐速度会不可靠。食客下单随机，但对送餐时间很挑剔。

“这是我们遇到的非常难的问题。”山景博士说，“不确定性是调度的天敌。”今天在斯坦福商学院，专家们在做的是经典物流仓储供应链，没有人去讲弹性供应链或实时调度。

于是，阿里云进行了可行性试验，发现“是可以有解的”，再开始进一步的研发。

要实现这类调度，首先要做到知己知彼。于是，双方对这类活动中的三种角色——需求方、运力和供给方分别画像。如有些写字楼很麻烦，门卫不让进，电梯拥挤下不来；有些送货员是新司机，路况不熟，抗压能力比较弱；不同餐馆菜品不一样，出餐速度也不一样......

在对三方建模画像后，就要进行计算。怎样合单送货能既减少送货员来回折腾，还能让食客少等一会儿？当这个价值和策略模型建起来之后也还没有完事。在这类应用场景中，会有各种突发状况，山景博士一次在站点就遇到一名送货员在雪夜摔伤，要紧急分派其他送货员......这时，要在这两层模型之上，还要多加一层，作为多种不确定性的调配系统。

山景博士是一位“有一说一”的数据科学家。他坦陈，眼下，这件事还在艰难地爬坡中。虽然很多站点的机器调度表现已与人有可比性，但仍有1/8的站点还面临挑战，在优化中。

山景博士希望与饿了么的探索能最终找到行业解决方案，不仅仅是送餐，还涉及生鲜冷链、O2O、物流和邮政等场景，并把解决方案复制到全国。

导航APP与信号灯

山景博士的团队有70多人，他们像是阿里云大数据平台“数加”上的一支创业团队。“数加”是从阿里业务体系中打磨出来并产品化后，于一年前对外公布的大数据平台。

“现在，市场上渴望有创新的东西出来，但为什么出不来？就是因为有脱节，像BAT这样的企业还在自己的圈子里不出来就很麻烦。”山景博士说，“要把小圈子的东西投射到外面的行业中去，要有一个普惠的概念。”

在过去一年，阿里云大数据孵化器团队与垂直行业伙伴开展跨界合作，寻找创新的行业解决方案。有趣的是，几乎所有项目都围绕“供需调度”这根主线。

2016年8月，广州市交警宣布“互联网+信号灯”控制优化平台试点成功。这是全球第一个由互联网数据实时指挥的交通灯。传统上，交通信号灯出厂后，就按照固定模板——多少秒为一个周期来改变信号灯。但因为控制模板是基于历史经验设定的静态模式，并不智能，因此经常会造成这个方向等红灯的车辆已排成长队，垂直方向却没有车的状况。

山景博士团队引入的创新是在信号灯调度中引入导航APP获得的车流数据。它覆盖面广，没有盲区，既能“看清”眼前车流，还能看到上游路口的车流，可以基于现在和未来几分钟的交通容量调度交通信号灯。

经过一段时间优化，广州交警介绍，南华中路-宝岗大道9时~13时和15时~20时的平均拥堵指数分别下降了25.75%和11.83%。“这证明，我们引入的数据是有价值的。”山景博士说。

令山景博士最高兴的是，在广州信号灯项目落地后，短短两个半月中，武汉、温州、重庆、青岛等城市也开始落地该项目，甚至新加坡交管局也来参观。山景团队准备把该解决方案推到海外。

运满满与同城货运

同城货运也是一个需要智能调度的行业。在这个垂直行业上，阿里云大数据孵化器团队与“运满满”建立了战略合作，寻找智能调度解决方案。

“为了了解同城货运，我们当时去了杭州郊区四季青批发市场，看那里货主和车主的合作方式。”山景博士回忆说，“我们发现方式很传统，货主在一个板子上写需求信息，或者运输车在那儿等着。”

“运满满”是一个无车承运平台，它把货主和车主对接的集散市场做成了APP。传统上，运输车会按照顺序来送货。怎么让它们变得更高效？而如果其中一些订单必须在指定时间送到，这样的调度就更复杂了。“我们调动各种可能性，把排列组合全部算一遍，看最后哪种既能够满足时间窗口要求，又能走得距离最短。”山景博士介绍说。

“其实，几千年的人类经济发展一直都有这个根本性难题——供需之间的有效匹配。”山景博士说。虽然山景博士认为，大数据或人工智能不是神话，不能解决所有问题，但大数据让供需双方的信息更对称而透明，人工智能在很多场景下能精准调节供需矛盾，这让买卖双方更轻松地找到对方，让生意更容易做。

最近，每天晚上，山景博士都与饿了么团队一起查看当日一整天的数据，进一步优化方案。他希望找到这个比AlphaGo更具挑战的问题能找到完美的解决之道，实现与行业真正碰撞后的创新。

责任编辑：