"குமாரு... குடிச்சிருக்கியா?" - பயனாளர்களைச் சோதிக்கவரும் உபெரின் புதிய AI



மொபைல் ஆப் மூலம் டாக்ஸிகளை புக் செய்யும் பயணிகள் மது அருந்தியிருக்கிறார்களா என்பதைக் கண்டறிவதற்காக,  புதிய தொழில்நுட்பம் ஒன்றை உருவாக்கியிருக்கிறது உபெர். மெஷின் லேர்னிங் மற்றும் செயற்கை நுண்ணறிவுடன் செயல்படவிருக்கும் இந்தத் தொழில்நுட்பத்துக்கு காப்புரிமை கேட்டும் விண்ணப்பித்துள்ளது. எப்படி செயல்படும் இந்தத் தொழில்நுட்பம்?

இரவு நேரத்தில் டாக்ஸிகளில் பயணம் செய்யும் நபர்கள் மது அருந்திவிட்டு, நிதானமற்ற நிலையில் இருந்தால், அந்த ஓட்டுநர்களுக்கு நிச்சயம் சிக்கல்தான். அவர்களைக் கையாள்வது, பணம் பெறுவது, சரியான இடத்துக்குக் கொண்டுசெல்வது எனப் பயணத்தின் ஒவ்வொரு நிலையிலுமே பிரச்னைகள் ஏற்படும். வழக்கமான டாக்ஸிகள் என்றால், நேரிலோ போனிலோ அழைக்கும்போதே அவர்கள் எந்த நிலையில் இருக்கிறார்கள் என்பதைத் தெரிந்துகொள்ள முடியும். அதை வைத்துக்கொண்டு அந்தப் பயணத்தை ரத்துசெய்துவிடலாம். ஆப் டாக்ஸிகளைப் பொறுத்தவரைக்கும் அதைக் கண்டறிவது கடினம். ஆப்பில் டாக்ஸி புக் ஆனதுமே, பயணியிடம் சென்றுவிட வேண்டும். பின்னர் அவர் காரில் ஏறும்போதுதான் அவரின் நிலையே ஓட்டுநருக்கு தெரியவரும். இது ஆப் டாக்ஸி ஓட்டுநர்களுக்கு இருக்கும் சிக்கல்.

Sponsored


ஆனால், மது அருந்தியவர்கள் ஆப் டாக்ஸிகளை அதிகமாக விரும்புகின்றனர். காரணம், போதையில் டாக்ஸி பிடித்துவிட்டு வீட்டுக்குச் செல்வது அவர்களுக்குச் சவாலான காரியம். ஆனால், ஆப் டாக்ஸிகள் எளிதில் கிடைத்துவிடும். இதனால் சொந்த வாகனங்கள் மற்றும் ஓட்டுநர்கள் இல்லாதவர்கள், வெளியே எங்கேனும் மது அருந்தும் சமயத்தில் ஆப் டாக்ஸிகளையே விரும்புகின்றனர். ஆனால், இதுபோன்ற பயணிகளை எல்லா ஓட்டுநர்களாலும் சிறப்பாகக் கையாள முடியாது. இதுதான் இதிலிருக்கும் பிரச்னை. இதைத் தீர்ப்பதற்காக மெஷின் லேர்னிங் ஒன்றை வடிவமைத்து, அதற்காகக் காப்புரிமை பெறுவதற்காக விண்ணப்பித்திருக்கிறது உபெர்.

Sponsored


Sponsored


ஸ்பெல்லிங் மிஸ்டேக் பண்ணாலே தெரிஞ்சுடும்!

இதன்மூலம் மது அருந்தியிருக்கும் பயணிகளை உபெர் முன்கூட்டியே கண்டுபிடித்துவிடும். எப்படி? இந்த மெஷின் லேர்னிங் புரோகிராம், ஒரு பயணியின் நடவடிக்கைகளைக் கொண்டு அவரை மதிப்பிடும். உதாரணமாக ஆப் பயன்படுத்தும் ஒருவர் தப்புத்தப்பாக தகவல்களை டைப் செய்கிறார் என வைத்துக்கொள்வோம். அப்போது, இந்த மெஷின் லேர்னிங் அவரிடம் ஏதோ பிரச்னை இருக்கிறது எனக் கண்டுபிடித்துவிடும். இதேபோல பயணியின் ஆப் பயன்படுத்தும் நேரம், அவரின் வார்த்தைகளில் இருக்கும் பிழைகள், அவர் டாக்ஸி புக் செய்யும் இடம், ஆப்பில் அவரது செயல்பாடுகள், அவர் இருக்கும் பகுதியில் இருக்கும் பார்கள், அங்கிருந்து அதிகளவில் பயணம் செய்யும் பிற நபர்களின் தன்மை, வயது போன்ற பல்வேறு தகவல்களை ஆராய்ந்து, அவர் மது அருந்தியிருக்கிறாரா இல்லையா என்பதை முடிவு செய்யும். பின்னர் இதை உடனே அந்தப் பயணியின் டாக்ஸி அழைப்பை ஏற்கப்போகும் ஓட்டுநரிடம் சொல்லும். இதன்மூலம் அந்தப் பயணியை ஏற்பதற்கு முன்னரே ஓட்டுநர், அவரைப் பற்றி தெரிந்துகொள்ள முடியும்.

இதை வைத்து என்ன செய்யமுடியும்? இப்போதுதான் இந்தத் தொழில்நுட்பத்துக்கு காப்புரிமையே கேட்டு விண்ணப்பித்திருக்கிறது உபெர். எனவே, இது அமலுக்கு வரும்வரைக்கும், தெளிவாக இதுதான் உபெரின் திட்டம் எனக்கூறமுடியாது. ஆனால், இதை உபெர் எப்படியெல்லாம் பயன்படுத்தலாம் என சில யூகங்களை முன்வைக்கின்றனர் தொழில்நுட்ப வல்லுநர்கள். பயணிகள் பற்றிய தகவல்கள் முன்னரே கிடைப்பதால், ஓட்டுநர்கள் அவர்களைத் தவிர்த்துவிடலாம். இல்லையெனில், அதற்குத் தயாராக இருக்கும் ஓட்டுநர்களுக்கு மட்டும் அழைப்புகள் செல்லலாம். இந்த இரண்டில் எது வேண்டுமானாலும் நடக்கலாம். மேலும், மது அருந்தியிருக்கும் பயணிகளை ரைடு ஷேரிங் வசதிகளில் இருந்து தவிர்த்துவிடலாம். இதெல்லாம் மது அருந்தியிருக்கும் பயணிகளைத் தவிர்ப்பதற்கான சாத்தியக்கூறுகள். ஆனால், உபெர் போன்ற ஸ்டார்ட்அப் ஜீன் கொண்ட நிறுவனங்கள் வாடிக்கையாளர்களைத் தவிர்ப்பதற்கு பெரும்பாலும் விரும்பாது. அவர்களுக்கும் சரியான சேவை வழங்கவே விரும்பும். அந்தவகையில் பார்த்தால், மது அருந்தியிருக்கும் நபர்களுக்கு கூடுதல் கட்டணம் வசூலிக்கலாம். எத்தனை பேர் இதற்காகத் தயாராக இருப்பார்கள், இந்த மெஷின் லேர்னிங் ஒழுங்காக வேலைசெய்யுமா என்பதெல்லாம் உபெருக்கு மட்டுமே வெளிச்சம். நேர்மறை விஷயங்கள் நிறைய இருந்தாலும், இந்த மெஷின்லேர்னிங் புரோகிராமில் சில குறைகளும் இருக்கின்றன. 

உபெர் டாக்ஸியில் பயணம் செய்த பயணிகளிடம், உபெர் டிரைவர்கள் முறையற்று நடந்துகொண்ட நிறைய செய்திகளைக் கடந்தகாலத்தில் படித்திருப்பீர்கள். அதில் பெரும்பாலான சம்பவங்களில் பொதுவாக இருக்கும் ஒரு விஷயம், டாக்ஸியில் பயணம் செய்த பயணிகள் மது அருந்தியிருந்தார்கள் என்பதே. ஒரு பயணி மது அருந்திவிட்டு, நிதானமற்ற நிலையில் இருக்கிறார் என்பதை முன்கூட்டியே ஓட்டுநரிடம் சொன்னால், அது இதுபோன்ற சம்பவங்கள் அதிகரிக்க வழிவகுக்குமா அல்லது பாதுகாப்பை அதிகப்படுத்துமா? இதுபோன்ற சில கேள்விகளும் எழுகின்றன. பதில்...? மெஷின் லேர்னிங் வரட்டும்; பார்க்கலாம் :)



Trending Articles

Sponsored