马斯克已经让他的Tesla跑车飞上了天，然而地面上想打车的你，可能会发现随着春节的临近，越来越难呼唤到一辆车了。
加班需谨慎
要说打车，Uber是世界上最流行的打车软件之一。Uber必须不停地匹配搭车者和司机，并使他们能尽可能快地抵达目的地。这个简单的任务的每一步都需要优化，比如决定最优路径、最佳到达时间……
然而，现实世界充满了不确定性。雨雪啦，事故啦，很多事件的发生都可能影响车辆的供需。
许多目前的机器学习模型还是基于确定性的，但是现实世界的数据基本都是不完整的，或者某种意义上不完善的。这样一来，在做预测（比如预测车辆供需）的时候，概率论就很有用武之地了。
贝叶斯推断能让我们在预测之前对现实世界有一个先验假设，并且能基于观测不断更新模型。
不久前，为了更好地适应现实世界的不确定性，Uber的团队开源了一种编程语言Pyro。Pyro是一种概率语言，使用Python和PyTorch构建。我们可以通过它，建立一个既可以扩展也十分高效的贝叶斯深度学习模型。
编程语言那么多，为什么偏偏还要开发一种？
因为这种语言能适应不确定性建模——对于模型中两次同样的输入值，可能会有两个不同的结果。在传统的编程语言中使用概率简直太难了，概率只能存在于晦涩的子程序中。与之相对的是，Pyro将概率分布作为编程的核心。Pyro程序的基本单位是随机函数，它帮助我们明确地计算给定输入的输出概率。
Pyro的问世，能否缓解打车难的问题呢？
今天，就让我们一起来看看YouTube网红小哥Siraj Raval的视频：Uber Pyro概率编程入门。他将解释Pyro的原理和用途，还将实际应用一个天气数据的案例。视频附有代码，可以跟随一起练手哦。
时长8分钟
附有中文字幕
点击观看
▼
Pyro是由Uber的人工智能实验室开源的。这个实验室来头也不一般，它最开始是Uber收购的一家创业公司Geometric Intelligence，这家公司的创始人是纽约大学教授Gary Marcus，不过他加入几个月后就退出了。对，就是那个挑起了对深度学习前景的质疑、引发Yann LeCun等各界AI人士论战的那个Gary Marcus。 (⊙ˍ⊙)
还不知道大佬们的互怼经过？可以点击下面的文章查看：
Gary Marcus再发万字长文，列14个Q&A回应机器学习批判言论
除了预测几小时后的打车需求和车辆供给，Pyro也被Uber用来做财务预算，它可以预测接下来几周的财务数据。同时，Uber的其他业务条线也在利用Pyro，比如Uber Eats用它来预测食物的准备和运输时间；它也为无人车部门的工作做出了贡献。
Σ（ﾟдﾟlll）原来Uber搞出了这么厉害的东西！
你猜Uber和Tesla的车谁能先飞起来？（被火箭带上外太空的不算）
原文发布时间为：2018-02-9
本文作者：文摘菌
