Haritalar, dünya çapında seyahat rotalarını planlamak için hizmete güvenen bir milyardan fazla kullanıcıya sahip. Hizmetin en temel özelliklerinden biri, varış zamanı tahminleri oluşturarak sürücülere önemli bilgileri görüntülemelerine yardımcı olma becerisidir.
DeepMind, varış zamanı tahminlerindeki yanlışlıkları azaltmak için kardeş şirket Google ile çalıştı. Detayları paylaşılan işbirliği ile tahmin yüzdesinde çift haneli bir azalma sağlandı. Tahmin hataları en az yüzde 51 düşüş gösterdi.
DeepMind, varış zamanı tahminine yardımcı olmak için Haritalar’da “grafik” adı verilen bir sinir ağı uygulayarak bu gelişmeyi başardı. Grafik, veri noktalarını ve aralarındaki ilişkileri birbirine bağlı noktalar biçiminde depolayan bir veri yapısıdır. DeepMind’ın bulduğu bu yapı, yol sistemlerinin birbirine bağlı doğasını yakalamada başarılı oldu.
DeepMind mühendisleri Oliver Lange ve Luis Perez, bir blog yazısında “Geliştirilen yapay zeka, birden fazla yol segmenti ve kavşak için entegre bir görüntü yakalayabildiğinden gecikmeleri ve dur-kalk trafikteki toplam geçiş süresini yerel olarak tahmin etme becerisi kazanıyor.” diye açıkladı.
Şirket, varış sürelerini tahmin etmek için grafik sinir ağını kullanmaya başlamadan önce birçok teknik zorluğun üstesinden gelmek zorunda kaldı. Ana sorunlardan biri, AI’nın nasıl eğitileceğiydi. DeepMind, sinir ağının grafik yapısından yararlanarak sorunu çözdü. Birimin mühendisleri, yapay zekanın kendisine çok benzer bir grafik yapısına dayalı olarak varış zamanlarını “supersegments” halinde tahmin etmek için işlediği yol verilerini organize etti.
