گوگل مپ را باید یکی از کاربردی‌ترین محصولات و سرویس‌های گوگل دانست که این روزها توسط میلیون‌ها کاربر در سراسر جهان مورد استفاده قرار می‌گیرند.
یکی از قابلیت‌های این اپلیکیشن، پیش‌بینی نسبتا دقیق زمان رسیدن کاربر یا بهتر بگوییم راننده به مقصد است که این ویژگی به شدت مورد استقبال قرار گرفته است. طبق گفته گوگل، کاربران گوگل مپ روزانه حدود یک میلیارد کیلومتر را در جاده‌ها با کمک این اپلیکیشن طی می‌کنند.
اما این شرکت اخیرا اعلام کرد که گوگل مپ به لطف فناوری‌ها وابزارهای توسعه یافته توسط آزمایشگاه تحقیقاتی دیپ مایند (DeepMind) که مبتنی بر هوش مصنوعی یا همان یادگیری ماشینی هستند، می‌تواند پیش‌بینی‌های دقیق‌تری را در خصوص زمان رسیدن کاربر به مقصد ارائه دهد. دیپ مایند، تحت مالکیت شرکت مادر گوگل یعنی آلفابت قرار دارد و مقر آن در لندن واقع شده است.
در همین رابطه، محققان گوگل و دیپ مایند توضیحاتی را در خصوص نحوه گردآوری اطلاعات از منابع مختلف و وارد کردن آن‌ها به مدل‌های یادگیری ماشینی به منظور تخمین دقیق‌تر زمان رسیدن راننده به مقصد ارائه دادند. به گفته گوگل، این اطلاعات ترافیکی زنده به طرق مختلف از قبیل دستگاه‌های اندرویدی (که در حین استفاده از گوگل مپ هستند)، سوابق ترافیکی منطقه، محدودیت‌های سرعت، اطلاعات مربوط به جاده‌های در دست تعمیر و مواردی همچون کیفیت، ابعاد و جهت جاده‌ها جمع‌آوری می‌شود.
بنابراین، همه این موارد در تخمین زمان رسیدن کاربر به مقصد لحاظ می‌شود و هرچه موانع کمتری در مسیر جود داشته باشند، این پیش‌بینی دقیق‌تر خواهد بود. سپس این اطلاعات به شبکه‌هایی که توسط دیپ مایند طراحی شده‌اند، تزریق می‌شوند و با کمک الگوهایی که از این اطلاعات حاصل می‌شود، فرآیند پیش‌بینی صورت می‌گیرد.
گوگل می‌گوید که در مدل‌های جدید به کار رفته در گوگل مپ، دقت پیش‌بینی در برخی مناطق تا 50 درصد افزایش خواهد یافت. البته این شرکت به این مساله نیز اشاره کرد که با توجه به همه‌گیری ویروس کرونا، نمی‌توان اطلاعات این روزها را در روزها یا هفته‌های بعد مورد استفاده قرار داد، چرا که هر لحظه ممکن است تغییراتی در میزان حضور افراد در خیابان‌ها ایجاد شود.
یوهان لاو، مدیر گوگل مپ در این رابطه می‌گوید: از آغاز سال 2020 میلادی و با شروع محدودیت‌های ناشی از شیوع ویروس کرونا، شاهد افت 50 درصدی ترافیک جهانی بودیم. ما برای لحاظ کردن این تغییرات جدید، مدل‌های خود را بروزرسانی کردیم تا بتوانیم نتایج بهتری را ارائه دهیم. همچنین الگوهایمان نیز در این مدت دستخوش تغییراتی شدند.
مدل‌های گوگل مبتنی بر اطلاعات حاصل از مجموعه‌ای تعیین‌شده از خیابان‌ها که در نزدیکی یکدیگر قرار دارند و حجم ترافیک را نشان می‌دهند، کار می‌کنند. هر کدام از این مجموعه‌های اطلاعاتی که گوگل از آن به عنوان Supersegments یاد می‌کند، به یک شبکه عصبی جداگانه متصل است که فرآیند پیش‌بینی‌های ترافیکی را برای همان بخش و منطقه انجام می‌دهد.
به گفته گوگل، وسعت و دامنه Supersegments مدام در حال تغییر است و نمی‌توان گفت که چند خیابان یا کوچه یک Supersegment را تشکیل می‌دهند. با این حال، گوگل اعلام کرد که در هر کدام از این مجموعه‌های اطلاعاتی، ترابایت‌ها اطلاعات وجود دارد که از طریق یک شبکه عصبی تحت عنوان Graph Neural Network مورد تجزیه و تحلیل قرار می‌گیرند.
