第96章自圆其说
“外卖算法的技术细节？你给我说说。”张教授有些疲惫地靠在了沙发上。
“我把文档给你发过去吧。”
“不必了。这种涉及算法细节的文档尽量不要存在手机里。”张教授揉着自己的太阳穴，“我这会儿也没精力再去看什么文档，你大概给我说说吧。”
林远此前很细致地打磨了ai风水模型，甚至还特地用好团公司的机器跑了次代码验证。结果，临了导师却看都不想看。
看来貌似导师并不很在意算法的技术细节，或许真的就只是出于对技术的兴趣随口一提罢了。
“我去年毕业后，有送过半年多时间的外卖嘛。那时我就在想，如今的外卖配送和路径算法有太多的不足。
思来想去，我觉得像好团这个大型互联网公司，一定不缺算力资源。
即便算力资源再贵，可那也只是一次性投入。
而且互联网公司最喜欢的就是抓着‘模式’来讲故事。算法迭代涉及的就是模式的更新，他们不可能不舍得往里头投资源。”
“那外卖行业如今的配送问题，只有可能是砸了资源也解决不了。
那为什么砸了资源也解决不了呢，我就从ai训练最基本的要素出发。”
张教授听着林远娓娓道来，技术直觉告诉他，经过前面的铺垫后，林远就将要揭开答案的面纱了。于是张教授下意识地停止了手上揉捏太阳穴的动作。
林远继续说着，“ai训练的基本要素，无非就是：数据采集、模型搭建、算力投入。”
“以我在好团任职的经历，它们完全有财力置办足够的算力设备。所以算力投入不是什么问题。而模型搭建上，无非就是基于深度神经网络做各种微调。业内理论最先进的论文，对所有人都是公开的，所以这一点本质上还是人力的投入。本质上和算力设备的投入一样，都是砸钱就行。
既然如此，好团目前来看并不缺钱。
所以，我就把目光放在了‘数据采集’上。”
“数据采集？你具体是指什么。外卖平台采集的数据不足，还是采集的数据有缺失。”
“他们采集的数据有缺失。老师您想想，外卖行业不就是商家和骑手联手通过外卖平台为食客服务，不就是这么一个模型嘛。这里面最关键的因素就是所有与时间有关的因素。
骑手从一个地方到另外一个地方的时间，商家出一份餐的时间。
但由于这些有关时间的因素不好采集，所以只能诉诸于经验和规定。
比如：一个订单的规定配送时间，一份餐的规定出餐时间。
这类时间本该是灵活的，可实际上却变成了粗暴的经验估计。