來想想 Google Maps 背後是不是 有用到 Machine Learning !

每天去上班，開啟 Google Maps ，設定起點終點後，Google Maps 給出 三條路選擇，而最快的路會用 最亮的顏色標出。

那如果今天 上班過程中，會經過一座橋，剛好那條橋今天剛好關了，不能通過，Google Maps 會請你走別條路。而資料來源從哪兒來，除了Google Maps 會問使用者，這次的體驗如何，寫下評論(回饋)，再動態調整整個導航系統，還有與政府合作取得有關道路的資訊。

那使用到的 Algorithm 是什麼?
Routing algorithms A 與 B ，可能會需要 一托拉庫的限制。
A* algorithm 在 undergraduate computer science 有教
再加上 有資料 就 完成了一個導航的主要兩塊

1. 找路
2. 遇到其他狀況 ， 動態變更路線

預期效果(結論) : The logic, once you have the data, seems quite tractable.

看中間的那張圖。一樣是Google Maps 的畫面。
這次 Lak 要從 hotel 走到 Google office，交通方式是 地下鐵(subway)的其中一站(Roppongi)，Maps 告訴 Lak 他在 2樓。[中間圖 的左下]
Maps 是如何知道的 ?!
Whatever the data sources :

• wifi points (wifi 熱點)
• barometric pressure (大氣壓)
• walking speed (走路速度)
  ps : walking speed 這個滿猛的 ，我在騎車 騎一段時間後(Maps 會判別機車模式) 停下來(他會記錄我停車位置)

而在眾多因素下，不可能是單一的一條規則 ---> ML 的方式
[總結] :
在這種較複雜的Case下=> Once you have the data, you are now going to use
ML to sidestep having to write the logic.

Maps 期望給你 你想要知道的資訊在 multi-story building 的環境下。

由左至右 越來越 客製化
[情境]
Lak 在日本的會議 即將舉辦，但還有空檔，Maps 推薦他可以附近的哪裡逛逛，為什Maps會推薦這些內容呢?
是要廣告嗎 ?! 還是 另有陰謀 ... 其實沒有啦 ~~ 沒那麼邪惡啦XD
Maps 根據 Lak 的喜好，歷史紀錄之前去過哪兒 博物館、美術館 等，在日本這個區塊有相對應的本地的資訊結合個人喜好去給于相對應的推薦!
在最右邊的那張圖，卡片下方有 這個資訊有幫到你嗎? 回答是否，就會當作Maps 系統的回饋，讓Maps更抓的準 What
you like !!!

一個很棒的比喻 Data & models & rules
If ML is a rocket engine, data is the fuel

• collecting not just more quantity. Also more variety
  原因:

For example, imagine that your data consists of these fractals. If you are zoomed way
in, you won’t see the patterns. You don’t have enough data, so you will end up fitting
to very complex rules. As you get more and more data, hopefully you fill out the
domain and the overall pattern starts to become much more evident.

• A ML strategy is, first and foremost, a data strategy

Ref : Google Cloud