DoorDash 调动配送车队收集数据以支持人工智能开发

当你忙于通过送餐谋生时,你可能也在无意间为一些世界顶尖的人工智能模型提供训练数据。
据报道,美国外卖巨头DoorDash 最近推出了一款名为“Tasks”的独立应用。该应用允许平台上的800多万名外卖骑手在送餐空闲时间完成简单的数字任务,从而赚取额外收入。
掌握长尾场景:骑手如何收集真实世界数据
DoorDash公司。此项举措的核心目标不仅在于业务增长,更在于解决人工智能训练中的关键瓶颈:高质量、真实世界情境数据的匮乏。
多样化任务:骑手可通过拍摄特定街景、录制日常对话或记录步行及配送过程,为AI提供扎根现实的实用素材。
应对长尾场景:与实验室模拟不同,全球800万名分散各地的司机能够高效地从社区和街道中收集海量罕见的真实世界“长尾场景”数据。
技术闭环:为配送机器人Dot铺平道路
这些司机生成的数据将直接输入DoorDash的AI 实验室:
模型进化:这些数据将用于优化其配送机器人Dot的视觉识别和路线规划能力。
加速部署:随着真实运营数据的积累,自动配送机器人在复杂环境中的可行性将显著提升,从而加速其从实验室向办公楼群和居民社区的推广。
行业洞察:人工智能最终会取代配送司机吗?
尽管DoorDash正在 推进自动化进程,但行业分析师认为,在短期内配送员的作用依然至关重要:
应对复杂状况:在完成配送的最后环节或处理突发交通状况时,人类的适应能力仍远超当前机器人。
角色演变:配送员正从体力劳动者转型为“AI训练师”,通过与技术协作发掘新的价值。
结论:配送路上的数据挖掘者
从导航街道到为AI模型提供数据,DoorDash
相关文章
前OpenAI首席科学家Ilya的SSI首次发布模型
AI 取得了另一项重大里程碑。在从 OpenAI 离职后,前首席科学家伊利亚·苏茨克弗(Ilya Sutskever)创立了 Safe Superintelligence Inc.(SSI),该公司最近公布了其首个模型的详细信息。海外社交媒体上的报道指出,该团队正在利用 TTT(测试时训练)开发一个紧凑的推理引擎,这是他们在追求安全超级智能过程中的关键进展。这种新颖的架构专注于使模型能够“学习如何学习”。与在推理过程中保持参数静态的传统大型语言模型不同,该引擎在处理现实世界任务时会动态更新特定
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026年5月14日,AI应用开发平台Lovable宣布参与丹麦硬件初创公司Atech的80万美元种子轮融资。该轮由Lovable领投,吸引了包括a16z Scout Fund、Sequoia Scout Fund以及Nordic Makers在内的顶级风险投资机构。此次投资标志着Lovable将“Vibe Coding”概念从纯软件开发战略扩展至硬件工程领域。Atech旨在通过AI驱动的交互式平台简化复杂的硬件原型制作。用户购买基础硬件套件,并通过AI聊天机器人以自然语言描述其设计概念;系统
Anthropic 将 Claude AI 编码工具扩展至日本,以推动海外增长
Anthropic,一家美国知名的人工智能公司,正加强其全球推广力度。周三,该公司在东京举办了一场大型开发者活动“Code with Claude”,吸引了近500名软件工程师参加。该举措旨在积极将Claude AI工具及相关产品引入日本市场,强调其自主编码能力在提升企业生产力方面的核心优势。强调自动化代码生成在活动中,Anthropic展示了其先进的自主编码系统,该系统能够独立处理复杂的编程任务并优化现有代码结构。随着全球对高效开发工具的需求不断增长,Anthropic希望通过此类活动加强
相关专题推荐
评论 (1)
0/500

当你忙于通过送餐谋生时,你可能也在无意间为一些世界顶尖的人工智能模型提供训练数据。
据报道,美国外卖巨头
掌握长尾场景:骑手如何收集真实世界数据
DoorDash公司。此项举措的核心目标不仅在于业务增长,更在于解决人工智能训练中的关键瓶颈:高质量、真实世界情境数据的匮乏。
多样化任务:骑手可通过拍摄特定街景、录制日常对话或记录步行及配送过程,为AI提供扎根现实的实用素材。
应对长尾场景:与实验室模拟不同,全球800万名分散各地的司机能够高效地从社区和街道中收集海量罕见的真实世界“长尾场景”数据。
技术闭环:为配送机器人Dot铺平道路
这些司机生成的数据将直接输入
模型进化:这些数据将用于优化其配送机器人Dot的视觉识别和路线规划能力。
加速部署:随着真实运营数据的积累,自动配送机器人在复杂环境中的可行性将显著提升,从而加速其从实验室向办公楼群和居民社区的推广。
行业洞察:人工智能最终会取代配送司机吗?
应对复杂状况:在完成配送的最后环节或处理突发交通状况时,人类的适应能力仍远超当前机器人。
角色演变:配送员正从体力劳动者转型为“AI训练师”,通过与技术协作发掘新的价值。
结论:配送路上的数据挖掘者
从导航街道到为AI模型提供数据,
前OpenAI首席科学家Ilya的SSI首次发布模型
AI 取得了另一项重大里程碑。在从 OpenAI 离职后,前首席科学家伊利亚·苏茨克弗(Ilya Sutskever)创立了 Safe Superintelligence Inc.(SSI),该公司最近公布了其首个模型的详细信息。海外社交媒体上的报道指出,该团队正在利用 TTT(测试时训练)开发一个紧凑的推理引擎,这是他们在追求安全超级智能过程中的关键进展。这种新颖的架构专注于使模型能够“学习如何学习”。与在推理过程中保持参数静态的传统大型语言模型不同,该引擎在处理现实世界任务时会动态更新特定
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026年5月14日,AI应用开发平台Lovable宣布参与丹麦硬件初创公司Atech的80万美元种子轮融资。该轮由Lovable领投,吸引了包括a16z Scout Fund、Sequoia Scout Fund以及Nordic Makers在内的顶级风险投资机构。此次投资标志着Lovable将“Vibe Coding”概念从纯软件开发战略扩展至硬件工程领域。Atech旨在通过AI驱动的交互式平台简化复杂的硬件原型制作。用户购买基础硬件套件,并通过AI聊天机器人以自然语言描述其设计概念;系统
Anthropic 将 Claude AI 编码工具扩展至日本,以推动海外增长
Anthropic,一家美国知名的人工智能公司,正加强其全球推广力度。周三,该公司在东京举办了一场大型开发者活动“Code with Claude”,吸引了近500名软件工程师参加。该举措旨在积极将Claude AI工具及相关产品引入日本市场,强调其自主编码能力在提升企业生产力方面的核心优势。强调自动化代码生成在活动中,Anthropic展示了其先进的自主编码系统,该系统能够独立处理复杂的编程任务并优化现有代码结构。随着全球对高效开发工具的需求不断增长,Anthropic希望通过此类活动加强





首页






