AI科技評論獲悉，滴滴副總裁葉傑平已離職，具體去向未知。
除了副總裁的身份，葉傑平還是滴滴AI Labs負責人、美國密西根大學教授、智源學者、IEEE Fellow。在葉傑平離職後，滴滴AI Labs將由CTO張博暫時接管，而滴滴智能控制首席科學家唐劍將出任該實驗室的副主任，負責日常事務。
葉傑平1993年考入復旦大學數學系，1999年在新加坡國立大學獲得碩士學位後前往美國明尼蘇達大學攻讀博士學位。博士畢業後，他加入亞利桑那大學，從此開啟了十年的高產學術生涯。
在這十年間，他在機器學習、數據挖掘和大數據分析領域取得了豐碩的成果，尤其在大規模稀疏模型學習中處於國際領先地位，並獲得過KDD和ICML的最佳論文獎，以及在2010年獲得美國國家自然科學基金會生涯獎（NSF CAREER Award）。Google Scholar顯示，他目前一共發表了448篇論文，被引用次數超過2萬。
他的代表性研究成果有：在結構化稀疏模型學習方面，對特徵 (如空間或時間平滑度、組、樹和圖) 施加了特定的限制。為所謂的proximal operator提供了新的見解，並為各種結構化稀疏模型學習開發了有效的算法；在多任務學習（MTL）方面，開發了一系列高效的MTL算法，在各種應用中實現了最先進的性能。
2015年，加盟密西根大學不久的葉傑平在暑期回國探親時與滴滴進行了一番技術交流，正是這次交流使得他決定離開學術界加入滴滴，在加盟滴滴後，他幫助滴滴實現了從搶單到智能派單的轉變，從而在激烈的市場競爭中戰勝了Uber中國。2018年初葉傑平掌舵滴滴AI Labs，不僅在團隊中培養了一批優秀人才，而且在業務和學術研究上，都碩果纍纍。
在滴滴就職期間，他帶領團隊為滴滴提供AI技術支撐，並建立一個基於交通數據的機器學習和人工智慧大腦——「滴滴大腦」，其中比較典型的成果有：
提出基於馬爾可夫決策過程（MDP）的智能派單技術；
提出基於強化學習技術的智能調度技術；
提出基於計算機視覺技術的交通安全解決方案；
推動AI賦能社會（AI for Social Good）推動建立共創平台等。
在葉傑平的帶領下，滴滴AI Labs在2018年1月成立後獲得了很大的發展，重點發力的機器學習、自然語言處理、語音識別、計算機視覺、運籌學、統計學等領域的技術研究及應用均有較好的落地應用，在布局下一代技術，以提升用戶出行效率，優化出行體驗上葉傑平功不可沒。
在告別信中，葉傑平寫道：
五年前回國和大數據團隊的那次交流，讓我看到機器學習在交通領域無窮的潛力和想像力。何其有幸，在過去1975個日夜，和溫暖、靠譜、有同理心的你們一起，用AI提升出行效率，更守護每一次出行，這也讓我認識到最好的研究是從落地中來的。加入滴滴，是一個非常正確的決定，這也是我職業里程中收穫最多的五年。
如今話別，內心充滿不舍。我思考很久，嘗試去探索AI在其他領域的可能性。感恩滴滴，也感謝大家的信任、支持與幫助。AI Labs有唐老師，有朱老師，有Kevin，相信會持續帶領大家持續做出更多更新、更有力的探索。
不會走遠，相逢的人會再相逢。讓技術發揮更大價值，我們仍然走在同一條路上。
2019年11月，IEEE公布了2020年新增Fellow名單，葉傑平因在機器學習領域的突出貢獻入選。在葉傑平當選IEEE Fellow後不久，我們曾對葉傑平進行了採訪，在採訪中葉傑平有提到其在學術領域的研究歷程，以及來到滴滴後帶領團隊所做的一系列工作，而正是這些工作讓一家數據巨頭加速變為AI巨頭，奠定了今日在出行領域的地位。AI科技評論從中節選了部分內容如下：
1
獲獎專業戶
Q:你的Fellow是在機器學習和數據挖掘方面的吧？這個領域之前都還有誰？
A：是機器學習和數據挖掘。之前有很多了，我們在數據挖掘有劉冰、裴健，韓家偉，楊強，周志華都是，工業界之前不多，這一次都一起了。像周博文（京東）、以前騰訊的負責人張潼還有熊輝（百度）都這一波了。
Q:我記得有好幾本雜誌，你都是擔任主編。
A：是副主編（笑）。包括DMKD、IEEE的兩個Trans（IEEE TKDE和IEEE TPAMI），PAMI剛結束，TKDE還在負責。
Q:IEEE的兩個Trans，這兩個雜誌的影響力很大。
A: PAMI是NO.1。在跟IEEE相關的雜誌中它排了很久的第二，最近排名第一的，現在因為人工智慧起來了，這個雜誌現在一下變得非常的火。TKDE也不錯，這兩個雜誌都是在IEEE最好的雜誌。其實也特別巧，我讀博士當時2003年投第一篇文章，當時不知道PAMI很厲害就投過去了，因為敢投，居然第一篇就中了。後來他們說PAMI其實很難中，所以有一年我中了5篇也讓很多人都覺得很意外。
Q:中5篇是哪一年？
A:記不清了，大概是11或者12年吧。其實PAMI我投稿的高峰期是15年，就是我來滴滴的這一年。後來我開始投應用數學（雜誌），可能比PAMI還難中。我們組幾個工作在數學方面比較深入，數學當時發了好幾個SIAM的雜誌，SIAM是應用數學比較頂級的雜誌。
Q:我看到從10年起連續幾年，在KDD上最佳論文名單上都有你？
A:連續四五年。有拿過學生最佳論文，然後拿過好幾屆的Runner-up，然後有幾個提名，10、11、12、13、14，連續5年，14年拿的最佳學生論文。很多人跟我說這個記錄可能很難打破了，因為是連續5年。
這幾年我覺得首先肯定運氣比較好。第二個當時確實學生那一批學生培養出來了，已經開始能幹活，然後我們做的方向也是比較靠譜的。拿獎的學生，一個最高獎，一個Runner-up（亞軍），現在都在滴滴。
2
「我經歷過最後一次機器學習寒冬」
Q: 你是97年復旦本科畢業，然後碩士是...
A: 我碩士是在新加坡國立大學國立大學（NUS），一開始還是數學。去國大讀碩士，也不需要GRE考試，所以我直接就報了名就去了。在國大讀了兩年之後打了紮實的數學基礎，後來還是發覺在計算機領域應該更能發揮我的優勢。
Q：你在新加坡就申請了美國的學校。你（博士）的導師是誰？後來怎麼選擇的機器學習？
A: Ravi Janardan. 他是做計算幾何的，搞理論的。後來我想挑一個和數學能夠結合的方向，當時看了一下就選擇了機器學習。在大學選課，一般的課都是稍微晚一點就排不上，機器學習沒有這種情況，你隨時都可以去選。後來我帶學生，前面幾個學生2009、2010年畢業的，都很難找工作，一直到後來深度學習慢慢起來了，到2015年以後就更加不一樣了。我是經歷過最後一次機器學習寒冬的。當時選擇機器學習方向我博士導師他其實還是反對的。
3
追尋數據的職業之路
Q:你是05年博士畢業，之後是去了ASU。
A:對。我是1999年碩士畢業，2005年博士畢業，我從數學轉到計算機還是需要花一些時間。畢業後我先是在Arizona State，去的主要原因是那邊有一個做生物醫學特彆強的。一方面主要是他工作的影響力非常大，他的Citation（引用數）一年就有好幾萬；另一方面他這邊有海量的數據，都是生物醫學相關的，然後我就毫不猶豫就去了。他這裡有非常好的應用場景，跟他合作也非常愉快，我們在好幾個方向一起做了一系列有影響力的工作。
Q: 你是哪一年年去的密西根？
A: 我其實是14年底去的密西根。15年的時候也沒想過來滴滴，當時是來短暫訪問了一下，接觸到這邊的問題感覺特別exciting，因為我以前做醫學，從我研究到落地時間太長，也都是做基礎研究。到滴滴我發現一個算法、一個想法可以很快落地，切實地改變成千上萬人的出行。
4
滴滴機器學習的背後推手
Q: 這幾年你們還是做了很多工作，滴滴的整個能力提高得很快。
A: AI其實在滴滴很多核心場景已經成為核心技術，像智慧交通，比如優化信號燈，很多信號燈都是固定時間，我們可以結合滴滴的數據做自動化的優化，目前已經跟20多個城市合作，優化了超過2500多個信號燈，優化的區域時間出行時間下降了15~20%，包括有一個城市，柳州，全城所有的信號燈都是算法在控制，這背後有很多AI算法。
然後是交通工具，比如說我們有電動車，還有自動駕駛，未來交通工具會電動化，像智能運營，包括拼車、派單、調度、供需預測、定價等等都在這裡面，這裡面有很多AI的應用。比如說派單，我們用強化學習派單，算法本質上是AlphaGo強化學習的技術，我們每次派單去做一個決策，誰匹配誰，就像下棋一樣的。每次派單之後就像下棋一樣狀態變了。因為司機隨時可以出去，隨時可以回家，乘客哪裡出來我們也不知道，它是動態的過程。 我們16年開始研究，17年上線，全國top20城市都是用的強化學習，顯著提升了司機收入。強化學習目前大部分都是用在下棋、博弈類遊戲比較多，真正在工業界大規模使用的還不多。最好的研究是從應用中來，我們也因此拿了Daniel H. Wagner Prize獎，這是這個獎22年以來第一次給中國，這個還是給我們很大信心，行業專家對我們的工作還是很認可的。
安全方面我們也做了非常多的工作。滴滴做交通安全是其實最有優勢的，像我們年運送100億人次，偶發交通事故時，我們可以找到是什麼原因導致交通事故。top因素包括路口、疲勞、分心，還有一個是超速。在滴滴場景我們可以做深度數據分析，找到哪些路口容易導致交通事故，後來發覺需要做多元的組合，比如說某一些類型的高危的入口，如果司機的速度超過某個值，交通事故的機率顯著提高，我們就會給司機做減速提醒。你如果打滴滴最近可能會聽到比如「前方道路口事故多發，請注意減速」的播報，來提醒降速，通過這些大數據人工智慧的手段我們也有效幫助降低了交通事故。
地圖是滴滴一個核心能力，像包括路況預測，路徑規劃、時間預估等等都大量用到AI技術。我2015年來滴滴其實第一個項目是做地圖的時間預估，起初還是用的比較傳統的方法，後來我們引入機器學習，再後來我們引入深入學習技術，目前我們的ETA在業界是屬於領先的。
還有客服，我們現在雖然已經有數千的客服，但滴滴客服面臨環境很複雜，除了普通諮詢，客服還需要處理很多投訴，難度很大。 所以我們也在把一些長期面臨的難題和挑戰拿出來，通過公眾評議會等項目來邀請社會各界來共建共治，給我們提建議，幫助我們建立更好的出行生態。
目前我們有一整套的基於Knowledge Graph（知識圖譜）、自然語言處理、語音識別的智能客服系統，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。比如在用戶進線的時候，智能系統會請用戶通過語音先描述他的問題，系統可以自動識別並且基於信息去預測用戶大概的需求並為人工客服提供一些決策信息，等電話流轉至人工客服的時候，他已經能大概知道用戶的問題從而能幫助用戶更好地解決；智能系統還會自動化地生成工單摘要，幫助人工客服提高效率。不僅如此，智能系統還可以學習人工客服的處理方式，從而使機器越來越接近人的複雜決策水平。目前滴滴75%客服進線由智能系統處理。
我們也特別關注社會公益，希望利用我們的大數據、人工智慧平台來賦能安全、環保、健康、無障礙。我們也在積極推進社會公益，希望用技術創造更大社會價值
Q: 所以這兩年實際上還是做了很多，也是把滴滴從一個數據公司變成一個AI公司。
A: 我們的工作就是利用AI技術儘可能把這個數據價值發揮出來，然後更好地服務我們的司機、乘客，讓技術給社會創造更大價值。
閱讀原文，直達「 ECCV」小組，了解更多會議信息！