Anh ấy không chọn đi tàu điện ngầm mà lại đạp chiếc xe điện nhỏ của mình. Bởi vì việc thiết lập các kênh dữ liệu cho hệ thống chắc chắn phải đi qua từng cửa hàng trong khu vực đó, và anh ấy hoàn toàn không muốn tự mình đi bộ để thực hiện công việc này.

Khu vực mà ông Lưu Húzǐ quản lý bao gồm toàn bộ những khu vực sôi động nhất của khu HX. Ở đây có vô số văn phòng làm việc, và cả chi nhánh Zijin của công ty giao hàng Good Team cũng nằm gần đó.

Lâm Viễn đã xin phép công ty để được ra ngoài thực hiện các thử nghiệm liên quan đến việc giao hàng, bởi vì trước khi một số tính năng mới của nền tảng giao hàng được triển khai, cần phải có người đến kiểm tra trực tiếp tại hiện trường. Thông thường, các lập trình viên không được yêu cầu ra ngoài thực hiện công việc này, nhưng vì muốn ra ngoài trong giờ làm việc, Lâm Viễn đã tự nguyện đảm nhận nhiệm vụ này.

Lâm Viễn không rõ quy trình cụ thể để thiết lập các kênh dữ liệu cho các cửa hàng là như thế nào. Vì vậy, anh ấy đã cố tình không ăn sáng, sau đó vào một quán ăn sáng để quan sát kỹ hơn.

Dựa trên kinh nghiệm trước đây, khi hệ thống tính toán hoàn thành việc tải dữ liệu, sẽ có thông báo tương ứng. Nhưng sau khi ngồi vào quán ăn sáng đó và ăn gần hai cái bánh bao, hệ thống vẫn không có bất kỳ phản hồi nào. Cuối cùng, cho đến khi anh ấy uống xong sữa đậu nành và bước ra ngoài, hệ thống vẫn không đưa ra bất kỳ thông báo nào.

“Chẳng lẽ hệ thống chỉ có thể tải những dữ liệu đã được thu thập sẵn sao? Không thể tự động sắp xếp và thu thập dữ liệu dựa trên vị trí cụ thể sao?”

“Là một hệ thống, ít nhất bạn cũng nên có chút ‘đẳng cấp’ chứ.”

Mặc dù Lâm Viễn liên tục than phiền với hệ thống, nhưng hệ thống vẫn im lặng không hề phản hồi.

Trên đường phố vào buổi sáng sớm, Lâm Viễn đứng bên lề đường, nhìn những chiếc xe cộ qua lại, và cảm thấy thật thất vọng. Nếu không thể thiết lập các kênh dữ liệu cho các cửa hàng, thì việc làm tương tự cho các tài xế giao hàng cũng sẽ không thể thực hiện được. Như vậy, hai yếu tố then chốt nhất trong quá trình giao hàng – các cửa hàng và các tài xế giao hàng – sẽ hoàn toàn bị tách rời khỏi hệ thống algoritma.

Dù AI hay trí tuệ nhân tạo, dù chatGPT có được gọi là gì hay được ca ngợi đến đâu đi nữa, cuối cùng tất cả đều phải dựa trên dữ liệu. Ngay cả những mô hình AI mạnh mẽ nhất cũng được vận hành bởi dữ liệu; dữ liệu chính là nguồn gốc của mọi thứ. Đối với hệ thống tính toán cũng vậy. Dữ liệu đại diện cho hướng đi và mục tiêu; nếu không có dữ liệu, ngay cả những chiếc xe hơi sang trọng cũng sẽ không biết phải đi về đâu

Hệ thống tính toán có thể tự động thực hiện việc thu thập dữ liệu chỉ với một vài hướng dẫn đơn giản; điều này khác biệt rõ ràng so với việc phải thu thập dữ liệu trước rồi mới chuyển cho hệ thống tính toán xử lý. Điều này cũng giống như sự khác biệt giữa lái xe tự động và lái xe thủ công vậy.

Sự khác biệt ở đây là rất lớn. Cũng giống như khi lái xe thủ công, bạn không thể vừa lái xe vừa làm những việc khác; nếu việc thu thập dữ liệu phải được thực hiện thủ công trước rồi mới chuyển cho hệ thống tính toán, thì sau này Lin Yuan sẽ phải tiêu tốn rất nhiều thời gian để xử lý các vấn đề liên quan đến việc thu thập dữ liệu này.

Và vấn đề còn nghiêm trọng hơn nữa là… Nếu so sánh với việc lái xe tự động và lái xe thủ công, nếu mục đích của chiếc xe là đưa người ta đến một địa điểm nào đó, thì sự khác biệt giữa hai cách này chỉ nằm ở việc người ngồi trong xe có thể tạm thời bỏ qua việc lái xe hay không mà thôi. Nhưng nếu mục đích ban đầu của việc lái xe không phải là đưa người ta đến đâu đó, mà chỉ là để chiếc xe di chuyển đến một địa điểm nào đó, thì sự khác biệt giữa hai cách này sẽ trở nên rất lớn.

Nói cách khác, nếu mục đích của việc lái xe chỉ đơn giản là để chiếc xe di chuyển từ nơi này đến nơi kia, thì sự khác biệt giữa lái xe tự động và lái xe thủ công sẽ rất rõ ràng. Bởi vì với lái xe tự động, người lái không cần phải ở bên trong xe; họ chỉ cần thiết lập địa điểm đến cho xe sau đó không cần quan tâm đến gì nữa; một người có thể quản lý hàng ngàn chiếc xe cùng lúc. Nhưng với lái xe thủ công thì không thể, một người chỉ có thể quản lý duy nhất một chiếc xe mà thôi.

Điều này được gọi là “những nguyên lý cơ bản ảnh hưởng đến các ứng dụng cao cấp”. Lợi thế của những nguyên lý cơ bản này khi được áp dụng vào các ứng dụng cao cấp thường sẽ tạo ra sự khác biệt theo cấp số nhân. Nguyên lý thu thập dữ liệu cũng vậy: việc thu thập dữ liệu thủ công giống như việc lái xe thủ công, một người chỉ có thể quản lý một điểm dữ liệu duy nhất; nhưng nếu thu thập dữ liệu tự động, một người có thể quản lý nhiều điểm dữ liệu cùng lúc.

Nếu thực sự yêu cầu Lin Yuan phải tự mình thu thập dữ liệu thủ công, thì dự án tối ưu hóa algoritma giao hàng ngoại đường sẽ không thể tiếp tục được thực hiện. Bởi vì anh ấy không thể ngày nào cũng đứng trước cửa các cửa hàng hoặc ngồi sau lưng các tài xế xe điện để liên tục ghi lại dữ liệu mà họ tạo ra được.

Đó chính là bản chất của các quy luật khoa học. Khi bạn chỉ nhìn vào một chiếc xe, bạn có thể không cảm thấy sự khác biệt lớn nào giữa lái xe tự động và lái xe thủ công.

Thứ hai, anh ấy thực sự nhận ra tầm quan trọng của hướng đi đúng đắn.

Hai điểm này không phải là lời nói suông.

Lâm Viễn không cảm thấy tuyệt vọng vì thất bại; anh bắt đầu phân tích kỹ lưỡng các đặc điểm của dữ liệu từ hệ thống, cố gắng nắm bắt được bản chất thực sự của vấn đề.

Không sai một chút nào – mỗi bài viết, mỗi thông tin, mỗi nội dung đều được xử lý một cách cẩn thận và chi tiết.

Hệ thống tính toán có thể dễ dàng thu thập được dữ liệu đồ ăn nhanh đã được tổng hợp sẵn từ hậu cần của công ty, và hoàn toàn không bị ảnh hưởng bởi số lượng dữ liệu lớn hay nhỏ; ngay cả những dữ liệu khổng lồ cũng có thể được đưa vào hệ thống một cách nhanh chóng. Điều này có nghĩa là: hệ thống quan tâm nhiều hơn đến hình thức của dữ liệu.

Những dữ liệu đồ ăn nhanh đã được thu thập lại không phải luôn ở dạng vector mà AI có thể xử lý được ngay lập tức.

Thông thường, dữ liệu đồ ăn nhanh sẽ bao gồm thông tin như: Vào tháng năm nào đó, Người A nhận được đơn hàng tại địa điểm A (số đơn hàng: order123), sau đó đi đến địa điểm B nơi có cửa hàng cung cấp đồ ăn, mất bao lâu để chờ đợi, và cuối cùng đồ ăn được giao đến địa điểm C nơi khách hàng đang ở.

Loại dữ liệu này không thể được trực tiếp đưa vào các mô hình AI trong thế giới thực để xử lý; AI ở đây là sản phẩm cuối cùng mà các mô hình đó tạo ra, chứ không phải chính quá trình tạo ra AI mới là một mô hình AI.

Điều này trái với hiểu biết thông thường của con người – AI thực chất chỉ là các thuật toán, và những thuật toán này được tạo ra thông qua quá trình sản xuất, trong khi chính quá trình sản xuất đó lại không hề liên quan đến AI.

Giống như việc bạn bón phân cho cây trái trong vườn để chúng cho ra trái ngon; trái ngon thì đúng là ngon, nhưng chất bón đó thì rõ ràng không thể ăn được.

Tuy nhiên, điều này chỉ áp dụng đối với các mô hình AI trong thế giới thực mà thôi. Hệ thống tính toán thì khác; nó có thể trực tiếp xử lý những dữ liệu chưa được xử lý trước đó.

Trước khi thực hiện các phép tính, các mô hình AI trong thế giới thực thường phải chuyển đổi dữ liệu đồ ăn nhanh thành các ma trận vector.

AI là những thứ “lạnh lùng”; chúng không quan tâm đến ý nghĩa của dữ liệu mà bạn đưa vào; đối với chúng, tất cả chỉ là các ma trận vector mà thôi. Vì vậy, dữ liệu đồ ăn nhanh cần phải được chuyển đổi thành những con số lạnh lùng như [-1, 23, 321,.] trước khi được xử lý.

Những con số này đại diện cho dữ liệu đồ ăn nhanh thực tế. Ví dụ: Nếu thời tiết khi giao đơn hàng đó là trời nắng, thì một trong các tham số trong ma trận vector có thể được biểu diễn bằng con số “1”, còn trời u ám thì được biểu diễn bằng con số “0”.

Nhưng hệ thống tính toán thì khác;