沒想到，滴滴開源的自然語言理解（人機對話）模型訓練平臺，就這樣登上了GitHub熱榜。
這一項目名爲DELTA，是一個深度學習模型訓練框架，基於TensorFlow構建，滴滴自己內部也在使用，在ACL 2019上宣佈開源。
滴滴表示，它可以用於加快實驗進度，部署用於文本分類、命名實體識別、自然語言推理、問答、序列到序列文本生成、語音識別、說話人驗證、語音情感識別等任務的系統。
這是滴滴開源的第22個項目，也得到了谷歌AI大牛、Keras創始人François Chollet轉發支持。
GitHub鏈接：
https://github.com/didi/delta
模型從論文到產品部署無縫銜接
滴滴介紹稱，DELTA主要基於TensorFlow構建，能同時支持NLP(自然語言處理)和語音任務及數值型特徵的訓練。
整合了包括文本分類、命名實體識別、自然語言推理、問答、序列到序列文本生成、語音識別、說話人驗證、語音情感識別等重要算法模型，形成一致的代碼組織架構，整體包裝統一接口。
使用過程中，用戶要準備好模型訓練數據，並指定好配置Configuration，模型訓練pipeline可以根據配置進行數據處理，並選擇相應的任務和模型，進行模型訓練。
在訓練結束之後，可以自動生成模型文件保存，而且模型文件也能夠形成統一接口，可以直接上線使用，快速產品化。
此外，DELTA在多種常用任務上也提供了穩定高效的Benchmark，可以簡單快速復現論文中的模型結果，也可以在此基礎上擴展新的模型。
模型構建完成後，用戶可以使用DELTA的部署流程工具，迅速完成模型上線，實現從論文到產品部署無縫銜接。
滴滴如何用？
現在，滴滴已經在產品中應用了NLP和語音技術。最核心的產品，是滴滴自建的智能客服系統，能輔助人工客服，提高人工客服處理問題的效率，並減少人工客服在重複、簡單問題上的處理量，就使用了包括自然語言處理、深度學習、知識圖譜、語音、推薦等在內的技術。
此外，基於語音識別以及自然語言理解技術，滴滴也構建了駕駛員語音助手。在日本和澳洲，滴滴實際語音直接“免接觸”接單的功能即將上線。
滴滴表示，將來這一語音助手會支持全方位的語音交互服務，包括影音娛樂、信息查詢、車內環境調節，到乘客通信、客服，甚至是加油、充電或維保服務。
與此同時，滴滴也宣佈，將推進相關能力的開放，通過提供一站式自然語言處理工具、一站式機器人開放平臺，幫助行業合作伙伴更好地實現AI應用落地。
今年5月，滴滴發佈羣雁智能出行開放平臺，宣佈將滴滴積累的AI技術、服務、算力以及多元化的解決方案進行全面開放。
據悉，“羣雁智能出行開放平臺”包括滴滴的AI基礎平臺、AI服務能力以及滴滴在出行領域積累的解決方案。
將重點爲城市交通管理者、智慧交通企業、汽車產業鏈上下游合作伙伴、企業開發者及技術極客、高校及科研機構、社會機構和公益組織等提供定製化開放服務。
滴滴一下，AI去哪裏
滴滴的AI歷史很早。
2015年5月，滴滴成立機器學習研究院，就開始將機器學習大規模應用在出行領域，特別是數據挖掘、實時計算等，更是場景天然，應用直接。
當時滴滴創始人還專門從浙江大學挖來AI大牛何曉飛。
次年4月，滴滴機器學習研究院升級爲滴滴研究院, 何曉飛擔任創始院長，後來何曉飛離職創業，則由副院長葉傑平和弓峯敏共同掌舵。
研究方向包括機器學習、計算機視覺、人工智能、數據挖掘、最優化理論、分佈式計算等。試圖通過機器學習理論和方法，最大化利用交通運力，緩解城市擁堵。
2017年，成立滴滴美國研究院，將以雲安全、 深度學習、人機交互、計算機視覺及圖像學、智能駕駛等領域的技術開發及應用爲主要課題，重點發展大數據安全和智能駕駛兩大核心領域。
坐擁海量數據，招攬衆多大牛，滴滴AI開始在行業內展露鋒芒，屢屢在行業頂級賽事中斬獲冠軍。
比如今年4月，滴滴AI團隊聯合北京郵電大學PRIS團隊提出的人臉檢測DFS算法，在世界人臉檢測公開評測集WIDER FACE的Easy、Medium和Hard三個評測子集的六項評估結果中, 超過了國內外衆多科技公司和高校院所，取得了五項第一、一項第二。
而且，滴滴的AI活動，不僅僅只是立足研究，也涉足AI行業頂級活動。剛剛落幕的AI頂會KDD 2019上，滴滴就是鉑金贊助商。
實際上，無論是數據挖掘、機器學習還是自動駕駛，滴滴在這些領域都有場景，也有技術投入。
只因爲業務太“社會”，反倒是讓人談論其技術實力的時候少了些。
本文經AI新媒體量子位（公衆號ID:QbitAI）授權轉載，轉載請聯繫出處。