Uber, her gün milyonlarca yolcu ve teslimat talebine daha hızlı ve kesintisiz yanıt verebilmek için Amazon Web Services (AWS) üzerindeki gerçek zamanlı altyapısını ölçeklendirerek güçlendiriyor.
Dünyanın en büyük yolculuk paylaşım ve isteğe bağlı teslimat şirketi Uber, altyapısını ve yapay zekâ yeteneklerini AWS üzerinde genişletiyor. Şirket, her yolculuk ve teslimatın arkasındaki gerçek zamanlı altyapı olan “Yolculuk Hizmet Bölgeleri”nin daha büyük bir kısmını desteklemek için AWS Graviton sunucularını kullanıyor. Ayrıca bazı yapay zekâ modellerini Trainium üzerinde eğitmeye başladı. Bu sayede Uber, milyonlarca günlük kullanıcı için daha hızlı sürücü–teslimat eşleştirmesi, daha etkin küresel talep yönetimi ve daha akıllı, kişiselleştirilmiş deneyimler sunabiliyor.
Kullanıcılar Uber uygulamasını açarak bir yolculuk veya teslimat talep ettiğinde, arka planda çeşitli anlık kararlar veriliyor. En yakın sürücünün kim olduğu, en hızlı rotanın neresi olduğu ve yolculuğun ne kadar süreceği gibi sorular milyonlarca insan için aynı anda, hızlı ve doğru şekilde yanıtlanıyor. Özellikle yoğun saatlerde ve büyük etkinliklerde bu hizmetin ölçeklenebilir şekilde sunulabilmesi için doğru altyapıya sahip olmak büyük önem taşıyor.
Uber’in Yolculuk Hizmet Bölgeleri, her yolculuk ve teslimatın sorunsuz ilerlemesini sağlayan sistemin bir parçası. Bu sistem, milisaniyeler içinde milyonlarca tahmin yapılmasını ve konum verisinin işlenmesini gerektiriyor.
Uber, gerçek zamanlı operasyonları desteklemek için AWS bilgi işlem, depolama ve ağ kullanımını genişletiyor. Şirket, iş yüklerinin daha fazlasını AWS Graviton üzerinde çalıştırıyor. Talep önemli oranda arttığında sistem hızla ölçekleniyor, enerji tüketimi azalıyor, gecikmeler düşüyor ve maliyetler optimize ediliyor. Graviton’un yüksek performansı, güvenilirlik, erişilebilirlik veya güvenlikten ödün vermeden yolcuları sürücülerle daha hızlı eşleştiren gerçek zamanlı hesaplamalara olanak tanıyor.
Uber Mühendislikten Sorumlu Başkan Yardımcısı Kamran Zargahi, “Uber, milisaniyelerin önemli olduğu bir ölçekte faaliyet gösteriyor. Daha fazla iş yükünü AWS’e taşımak, bize yolcuları ve sürücüleri daha hızlı eşleştirme ve teslimat taleplerindeki artışları kesintisiz yönetme esnekliği sağlıyor,” dedi.
Uber, uygulamalarına güç veren bazı yapay zekâ modellerini eğitmek için AWS Trainium ile denemelere başladı. Bu modeller, hangi sürücünün veya kuryenin gönderileceğini belirlemek, varış sürelerini hesaplamak ve müşteriye en iyi teslimat seçeneklerini önermek için milyarlarca yolculuk ve teslimattan gelen verileri analiz ediyor.
Yapay zekâyı bu ölçekte eğitmek devasa bir hesaplama gücü gerektiriyor. Trainium, bunu verimli ve maliyet etkin bir şekilde yapmayı mümkün kılıyor. Modeller daha fazla yolculuktan öğrendikçe Uber, dünya çapındaki müşterilerine daha hızlı eşleşmeler, daha doğru varış süresi tahminleri ve daha kişiselleştirilmiş öneriler sunuyor.
Kamran Zargahi, “Yapay zekâ modellerimizin bazılarını Trainium üzerinde test etmeye başlayarak, her Uber deneyimini daha akıllı hale getirecek bir teknoloji temeli inşa ediyoruz. Böylece odağımızı asıl olması gereken yerde, yani her gün Uber kullanan insanlarda tutabiliyoruz,” diye ekledi.
AWS Kuzey Amerika Başkan Yardımcısı ve Genel Müdürü Rich Geraffo, “Uber, dünyadaki en zorlu gerçek zamanlı uygulamalardan biri ve onların küresel operasyonlarına güç veren altyapının önemli bir parçası olmaktan gurur duyuyoruz. Uber’in bugün yüz milyonlarca insanın güvenle kullandığı bir uygulama sunmasına ve yarının yolculuk paylaşımı ile isteğe bağlı teslimat sektörünü tanımlayacak yapay zekâ destekli deneyimleri inşa etmesine yardımcı oluyoruz,” dedi.
Uber, Amazon’un bilgi işlem ve yapay zekâ eğitimi için özel olarak tasarladığı Graviton4 ve Trainium3 çiplerini kullanıyor.
Şirket, müşterileri sürücülerle milisaniyeler içinde eşleştirmek için AWS Graviton4’ü tercih ediyor. Daha hızlı ve akıllı yapay zekâ tahminleri ve modelleri oluşturmak için ise AWS Trainium3’ü test ediyor.
Ayrıca yolculuk ve teslimat taleplerindeki ani artışları yönetmek için AWS üzerindeki “Yolculuk Hizmet Bölgeleri” ölçeklendiriliyor.
