AI科技评论获悉，滴滴副总裁叶杰平已离职，具体去向未知。
除了副总裁的身份，叶杰平还是滴滴AI Labs负责人、美国密歇根大学教授、智源学者、IEEE Fellow。在叶杰平离职后，滴滴AI Labs将由CTO张博暂时接管，而滴滴智能控制首席科学家唐剑将出任该实验室的副主任，负责日常事务。
叶杰平1993年考入复旦大学数学系，1999年在新加坡国立大学获得硕士学位后前往美国明尼苏达大学攻读博士学位。博士毕业后，他加入亚利桑那大学，从此开启了十年的高产学术生涯。
在这十年间，他在机器学习、数据挖掘和大数据分析领域取得了丰硕的成果，尤其在大规模稀疏模型学习中处于国际领先地位，并获得过KDD和ICML的最佳论文奖，以及在获得美国国家自然科学基金会生涯奖（NSF CAREER Award）。Google Scholar显示，他目前一共发表了448篇论文，被引用次数超过2万。
他的代表性研究成果有：在结构化稀疏模型学习方面，对特征 (如空间或时间平滑度、组、树和图) 施加了特定的限制。为所谓的proximal operator提供了新的见解，并为各种结构化稀疏模型学习开发了有效的算法；在多任务学习（MTL）方面，开发了一系列高效的MTL算法，在各种应用中实现了最先进的性能。
，加盟密歇根大学不久的叶杰平在暑期回国探亲时与滴滴进行了一番技术交流，正是这次交流使得他决定离开学术界加入滴滴，在加盟滴滴后，他帮助滴滴实现了从抢单到智能派单的转变，从而在激烈的市场竞争中战胜了Uber中国。初叶杰平掌舵滴滴AI Labs，不仅在团队中培养了一批优秀人才，而且在业务和学术研究上，都硕果累累。
在滴滴就职期间，他带领团队为滴滴提供AI技术支撑，并建立一个基于交通数据的机器学习和人工智能大脑——“滴滴大脑”，其中比较典型的成果有：
提出基于马尔可夫决策过程（MDP）的智能派单技术；提出基于强化学习技术的智能调度技术；提出基于计算机视觉技术的交通安全解决方案；推动AI赋能社会（AI for Social Good）推动建立共创平台等。在叶杰平的带领下，滴滴AI Labs在1月成立后获得了很大的发展，重点发力的机器学习、自然语言处理、语音识别、计算机视觉、运筹学、统计学等领域的技术研究及应用均有较好的落地应用，在布局下一代技术，以提升用户出行效率，优化出行体验上叶杰平功不可没。
在告别信中，叶杰平写道：
五年前回国和大数据团队的那次交流，让我看到机器学习在交通领域无穷的潜力和想象力。何其有幸，在过去1975个日夜，和温暖、靠谱、有同理心的你们一起，用AI提升出行效率，更守护每一次出行，这也让我认识到最好的研究是从落地中来的。加入滴滴，是一个非常正确的决定，这也是我职业里程中收获最多的五年。如今话别，内心充满不舍。我思考很久，尝试去探索AI在其他领域的可能性。感恩滴滴，也感谢大家的信任、支持与帮助。AI Labs有唐老师，有朱老师，有Kevin，相信会持续带领大家持续做出更多更新、更有力的探索。不会走远，相逢的人会再相逢。让技术发挥更大价值，我们仍然走在同一条路上。
11月，IEEE公布了新增Fellow名单，叶杰平因在机器学习领域的突出贡献入选。在叶杰平当选IEEE Fellow后不久，我们曾对叶杰平进行了采访，在采访中叶杰平有提到其在学术领域的研究历程，以及来到滴滴后带领团队所做的一系列工作，而正是这些工作让一家数据巨头加速变为AI巨头，奠定了今日在出行领域的地位。AI科技评论从中节选了部分内容如下：
1
获奖专业户
Q:你的Fellow是在机器学习和数据挖掘方面的吧？这个领域之前都还有谁？
A：是机器学习和数据挖掘。之前有很多了，我们在数据挖掘有刘冰、裴健，韩家伟，杨强，周志华都是，工业界之前不多，这一次都一起了。像周博文（京东）、以前腾讯的负责人张潼还有熊辉都这一波了。
Q:我记得有好几本杂志，你都是担任主编。
A：是副主编（笑）。包括DMKD、IEEE的两个Trans（IEEE TKDE和IEEE TPAMI），PAMI刚结束，TKDE还在负责。
Q:IEEE的两个Trans，这两个杂志的影响力很大。
A: PAMI是NO.1。在跟IEEE相关的杂志中它排了很久的第二，最近排名第一的，现在因为人工智能起来了，这个杂志现在一下变得非常的火。TKDE也不错，这两个杂志都是在IEEE最好的杂志。其实也特别巧，我读博士当时投第一篇文章，当时不知道PAMI很厉害就投过去了，因为敢投，居然第一篇就中了。后来他们说PAMI其实很难中，所以有一年我中了5篇也让很多人都觉得很意外。
Q:中5篇是哪一年？
A:记不清了，大概是11或者吧。其实PAMI我投稿的高峰期是，就是我来滴滴的这一年。后来我开始投应用数学（杂志），可能比PAMI还难中。我们组几个工作在数学方面比较深入，数学当时发了好几个SIAM的杂志，SIAM是应用数学比较顶级的杂志。
Q:我看到从起连续几年，在KDD上最佳论文名单上都有你？
A:连续四五年。有拿过学生最佳论文，然后拿过好几届的Runner-up，然后有几个提名，10、11、12、13、14，连续5年，拿的最佳学生论文。很多人跟我说这个记录可能很难打破了，因为是连续5年。
这几年我觉得首先肯定运气比较好。第二个当时确实学生那一批学生培养出来了，已经开始能干活，然后我们做的方向也是比较靠谱的。拿奖的学生，一个最高奖，一个Runner-up（亚军），现在都在滴滴。
2
“我经历过最后一次机器学习寒冬”
Q: 你是97年复旦本科毕业，然后硕士是...
A: 我硕士是在新加坡国立大学国立大学（NUS），一开始还是数学。去国大读硕士，也不需要GRE考试，所以我直接就报了名就去了。在国大读了两年之后打了扎实的数学基础，后来还是发觉在计算机领域应该更能发挥我的优势。
Q：你在新加坡就申请了美国的学校。你（博士）的导师是谁？后来怎么选择的机器学习？
A: Ravi Janardan. 他是做计算几何的，搞理论的。后来我想挑一个和数学能够结合的方向，当时看了一下就选择了机器学习。在大学选课，一般的课都是稍微晚一点就排不上，机器学习没有这种情况，你随时都可以去选。后来我带学生，前面几个学生、毕业的，都很难找工作，一直到后来深度学习慢慢起来了，到以后就更加不一样了。我是经历过最后一次机器学习寒冬的。当时选择机器学习方向我博士导师他其实还是反对的。
3
追寻数据的职业之路
Q:你是05年博士毕业，之后是去了ASU。
A:对。我是1999年硕士毕业，博士毕业，我从数学转到计算机还是需要花一些时间。毕业后我先是在Arizona State，去的主要原因是那边有一个做生物医学特别强的。一方面主要是他工作的影响力非常大，他的Citation（引用数）一年就有好几万；另一方面他这边有海量的数据，都是生物医学相关的，然后我就毫不犹豫就去了。他这里有非常好的应用场景，跟他合作也非常愉快，我们在好几个方向一起做了一系列有影响力的工作。
Q: 你是哪一年年去的密歇根？
A: 我其实是底去的密歇根。的时候也没想过来滴滴，当时是来短暂访问了一下，接触到这边的问题感觉特别exciting，因为我以前做医学，从我研究到落地时间太长，也都是做基础研究。到滴滴我发现一个算法、一个想法可以很快落地，切实地改变成千上万人的出行。
4
滴滴机器学习的背后推手
Q: 这几年你们还是做了很多工作，滴滴的整个能力提高得很快。
A: AI其实在滴滴很多核心场景已经成为核心技术，像智慧交通，比如优化信号灯，很多信号灯都是固定时间，我们可以结合滴滴的数据做自动化的优化，目前已经跟20多个城市合作，优化了超过2500多个信号灯，优化的区域时间出行时间下降了15~20%，包括有一个城市，柳州，全城所有的信号灯都是算法在控制，这背后有很多AI算法。
然后是交通工具，比如说我们有电动车，还有自动驾驶，未来交通工具会电动化，像智能运营，包括拼车、派单、调度、供需预测、定价等等都在这里面，这里面有很多AI的应用。比如说派单，我们用强化学习派单，算法本质上是AlphaGo强化学习的技术，我们每次派单去做一个决策，谁匹配谁，就像下棋一样的。每次派单之后就像下棋一样状态变了。因为司机随时可以出去，随时可以回家，乘客哪里出来我们也不知道，它是动态的过程。 我们开始研究，上线，全国top20城市都是用的强化学习，显著提升了司机收入。强化学习目前大部分都是用在下棋、博弈类游戏比较多，真正在工业界大规模使用的还不多。最好的研究是从应用中来，我们也因此拿了Daniel H. Wagner Prize奖，这是这个奖以来第一次给中国，这个还是给我们很大信心，行业专家对我们的工作还是很认可的。
安全方面我们也做了非常多的工作。滴滴做交通安全是其实最有优势的，像我们年运送100亿人次，偶发交通事故时，我们可以找到是什么原因导致交通事故。top因素包括路口、疲劳、分心，还有一个是超速。在滴滴场景我们可以做深度数据分析，找到哪些路口容易导致交通事故，后来发觉需要做多元的组合，比如说某一些类型的高危的入口，如果司机的速度超过某个值，交通事故的概率显著提高，我们就会给司机做减速提醒。你如果打滴滴最近可能会听到比如“前方道路口事故多发，请注意减速”的播报，来提醒降速，通过这些大数据人工智能的手段我们也有效帮助降低了交通事故。
地图是滴滴一个核心能力，像包括路况预测，路径规划、时间预估等等都大量用到AI技术。我来滴滴其实第一个项目是做地图的时间预估，起初还是用的比较传统的方法，后来我们引入机器学习，再后来我们引入深入学习技术，目前我们的ETA在业界是属于领先的。
还有客服，我们现在虽然已经有数千的客服，但滴滴客服面临环境很复杂，除了普通咨询，客服还需要处理很多投诉，难度很大。 所以我们也在把一些长期面临的难题和挑战拿出来，通过公众评议会等项目来邀请社会各界来共建共治，给我们提建议，帮助我们建立更好的出行生态。
目前我们有一整套的基于Knowledge Graph（知识图谱）、自然语言处理、语音识别的智能客服系统，能辅助人工客服、提高人工客服处理问题的效率，并减少人工客服在重复、简单问题上的处理量。比如在用户进线的时候，智能系统会请用户通过语音先描述他的问题，系统可以自动识别并且基于信息去预测用户大概的需求并为人工客服提供一些决策信息，等电话流转至人工客服的时候，他已经能大概知道用户的问题从而能帮助用户更好地解决；智能系统还会自动化地生成工单摘要，帮助人工客服提高效率。不仅如此，智能系统还可以学习人工客服的处理方式，从而使机器越来越接近人的复杂决策水平。目前滴滴75%客服进线由智能系统处理。
我们也特别关注社会公益，希望利用我们的大数据、人工智能平台来赋能安全、环保、健康、无障碍。我们也在积极推进社会公益，希望用技术创造更大社会价值
Q: 所以这两年实际上还是做了很多，也是把滴滴从一个数据公司变成一个AI公司。
A: 我们的工作就是利用AI技术尽可能把这个数据价值发挥出来，然后更好地服务我们的司机、乘客，让技术给社会创造更大价值。
