Apa Tujuan Grab Bangun Laboratorium AI bersama NUS?
Techinasia — 3 Aug 2018 16:01
Ikhtisar
  • Grab dan National University of Singapore (NUS) sepakat membangun laboratorium pengembangan AI bernama Grab-NUS AI Lab.
  • Terdapat 28 peneliti gabungan dari NUS dan GRAB yang akan mengelola Lab tersebut.
  • Tujuan kerja sama ini yaitu untuk menunjang penelitian AI guna meningkatkan kinerja platform Grab, serta memecahkan berbagai persoalan di kota-kota Asia Tenggara seperti kemacetan dan kenyamanan hidup.

Pada tanggal 20 Juli 2018, Grab mengumumkan kerja sama dengan National University of Singapore (NUS). Mereka sepakat mendirikan laboratorium pengembangan kecerdasan buatan (artificial intelligence/AI) di Singapura.

Proyek yang mulai dibangun dengan investasi awal sejumlah SG$6 juta (sekitar Rp63 miliar) ini merupakan laboratorium AI pertama di bawah naungan Grab. Bertempat di NUS Institute of Data Science di Kent Ridge, laboratorium yang diberi nama Grab-NUS AI Lab akan dikelola oleh 28 orang peneliti gabungan dari Grab dan NUS.

Peneliti akan memanfaatkan lebih dari tiga Petabytes data yang telah Grab kumpulkan untuk mengidentifikasi cara meningkatkan mobilitas dan kenyamanan perkotaan di Asia Tenggara. Lebih lanjut, CEO Grab, Anthony Tan, menjelaskan bentuk kerja sama dan tujuan pembentukan Lab.

Laboratorium AI akan menggabungkan kekuatan data Grab dan machine learning dengan penelitian dan bakat dari institusi terkemuka di dunia. Tujuannya untuk menjadi alat berharga bagi pemerintah yang sedang mengimplementasikan transportasi pintar di kota-kota Asia Tenggara.

Dalam acara bertajuk Jakarta Tech Talk pada tanggal 2 Agustus 2018, Grab memaparkan perkembangan implementasi machine learning dalam platform mereka serta rencana proyek yang akan Lab tersebut laksanakan.

Penelitian AI yang Grab dan NUS laksanakan memiliki tiga tujuan utama:

  • Meningkatkan efisiensi dan keandalan transportasi platform Grab.
  • Memecahkan tantangan yang dihadapi kota-kota Asia Tenggara, seperti kemacetan atau kenyamanan hidup.
  • Menunjang penelitian AI serta mengembangkan sumber daya manusia di Singapura sehingga berdampak positif terhadap wilayah sekitarnya.

Untuk mencapai tujuan, ada lima kategori proyek AI yang mereka kembangkan, yaitu:

Penumpang

Kategori riset ini merujuk kepada pengembangan algoritme untuk personalisasi layanan dengan cara meneliti kebutuhan dan preferensi penumpang. Riset bertujuan mewujudkan prediksi yang lebih tepat terhadap pilihan layanan berdasarkan analisis aktivitas pengguna.

Pengemudi

Tidak hanya penumpang, mereka juga mempertimbangkan membuat layanan yang lebih akomodatif bagi pengemudi berdasarkan preferensi dan perilaku mereka. Algoritma Grab akan meneliti data lokasi kesukaan atau kebiasaan kerja pengemudi untuk disesuaikan dengan pesanan yang masuk. Salah satu tujuannya yaitu untuk mengurangi pembatalan pesanan oleh pengemudi.

Lokasi

Kategori riset ini bertujuan memetakan secara efektif posisi kendaraan bergerak serta mengidentifikasi titik penting (points of interest). Mereka berharap dapat menggunakan AI untuk mempelajari dan merekomendasikan landmark lokal secara visual sebagai patokan arah dan lokasi penjemputan.

Demonstrasi visualisasi data di Grab-NUS AI Lab.

Demonstrasi visualisasi data di Grab-NUS AI Lab.

Perusahaan online-to-offline (O2O) ini juga berencana melakukan ekspansi algoritma untuk mengoptimalkan rute kendaraan roda dua termasuk di berbagai kota di Indonesia. Mereka akan melakukan pemetaan jalan di wilayah urban – terutama jalan-jalan kecil – guna mencari rute yang lebih efektif untuk kendaraan roda dua.

Lalu lintas

Grab ingin mengembangkan algoritma yang lebih efektif dalam mendeteksi peristiwa dan kondisi lalu lintas seperti kecelakaan atau kemacetan secara real-time. Tujuannya agar mereka bisa mendapatkan estimasi akurat terkait waktu perjalanan dan penjemputan pengemudi.

Manajemen big data

Lab ini juga akan mengembangkan penggunaan basis graphic processing unit (GPU) dalam machine learning serta manajemen data. Mereka berencana mengeksplorasi analisis visual untuk trajectory data atau data pergerakan objek seperti kendaraan dan manusia.

(Diedit oleh Fairuz Rana Ulfah)

512
512