Bir Sonraki Yemek Siparişinizi Yapay Zekâ Getiriyor: Yeni Teknolojilerle Daha Hızlı Yemek Teslimatı
İTÜ’lü araştırmacıların yer aldığı bir grup, teslimat sürelerini ve kuryelerin verimliliğini optimize ederek yemek deneyimini dönüştüren yeni bir yapay zekâ uygulaması geliştirdi .
Yılmaz Akkaya, toplumla.itu
Acıkmışken yemek siparişlerinizin gecikmesi büyük bir hayal kırıklığı yaratabilir. Ancak yapay zekâ alanındaki son gelişmeler, bu durumu değiştirecek. Araştırmacılar, kuryelerin siparişleri daha hızlı ve akıllıca yönetmesini
sağlayan, hızlı ve verimli teslimatlar sunan yenilikçi bir yapay zekâ modeli geliştirdi. İstanbul'da test edilen bu teknoloji, güzergâhları optimize ediyor, talebi önceden tahmin ediyor ve sistemin etkinliğini
artırmak amacıyla bazı siparişlerin reddedilmesine bile karar verebiliyor.
Bu yapay zekâ modeli, zaman içinde daha iyi kararlar almayı öğrenen ve bir makine öğrenmesi türü olan “derin pekiştirmeli öğrenmeye” dayanıyor. Sistem, Türkiye'deki popüler bir yemek
ve market teslimat servisinden elde edilen teslimat verileriyle eğitildi. Öğle ve akşam yemeği gibi yoğun saatlere uyum sağlayan model, teslimat hızını ve güvenilirliğini önemli ölçüde artırmayı başardı.
Yapay zekâ, geçmiş deneyimlerden öğrenerek hem kuryeler hem de müşteriler için daha akıllı seçimler yapabiliyor.
Mevcut kurye teslimat prosedürleri, siparişler tamamlandıktan sonra merkezi depoya geri dönülmesini gerektiriyor. Ancak yeni yapay zekâ, bu gidiş-gelişleri farklı bir şekilde ele alarak bekleme sürelerini ve işletme
maliyetlerini azaltmayı hedefliyor. Sistem, kuryeleri depoya geri göndermek yerine, onları yakındaki restoranlara yönlendiriyor. Bu "yeniden konumlandırma" stratejisi, sayesinde kuryelerin bekleme süresi azaldığı için,
yeni siparişlere daha yakın kalmaları mümkün oluyor ve siparişleri daha hızlı ulaştırabiliyorlar. Yapay zekâ sistemi, aynı zamanda bir "reddetme" eylemi de içeriyor. Eğer bir teslimatın tamamlanması çok uzun
sürecekse ya da sistemin genel verimliliğe fazla katkı sağlamayacaksa, siparişi reddedebiliyor. Bu sayede, sistem belirli bir zaman diliminde mümkün olan en fazla sayıda siparişin hızlıca tamamlanmasını hedefleyerek, daha
kısa sürecek teslimatları önceliklendiriyor. Bu strateji, kaynakların daha verimli kullanılmasını sağladığı için genel teslimat sürelerinin hızını artırıyor.
İstanbul’da Yapay Zekâ Testleri
Bu yapay zekâ modelinin gerçek dünyada nasıl çalıştığını daha iyi anlayabilmek için araştırmacılar, İstanbul'un farklı özelliklere sahip üç semtinde—Bomonti, Üsküdar ve Hisarüstü—uygulamalar
gerçekleştirdi. Sonuçlar, modelin yalnızca teslimat sürelerini kısaltmakla kalmadığını, aynı zamanda kuryelerin iş yüklerini daha etkili bir şekilde yönettiğini de ortaya koydu. Örneğin, yüksek sipariş
hacmine sahip ve yoğun nüfuslu bir bölge olan Bomonti’de, yapay zekâ ortalama teslimat süresini 30 dakikanın altına indirmeyi başardı. Araştırma, modelin en etkili şekilde beş veya daha az kurye ile çalıştığını,
bunun dışında daha fazla sürücü eklemenin her zaman hizmeti iyileştirmediğini, aksine verimsizliklere bile yol açabileceğini ortaya koydu. Bu sonuçlar, teslimat şirketlerinin iş gücü maliyetlerini
düşürmesine ve genel hizmet kalitesini artırmasına yardımcı olabileceğini gösteriyor.
Daha Geniş Kapsamlı Gelecek Uygulamalar
Yeni yapay zekâ modeli, özellikle yemek teslimatı için tasarlanmış olsa da, araştırmacılar bu teknolojinin market teslimatı, paket lojistiği ve hatta araç paylaşımı gibi diğer sektörlerde de potansiyel uygulamalara
sahip olduğunu düşünüyor. Modelin, hızla değişen dinamik bir ortamda gerçek zamanlı karar alabilme yeteneği sayesinde, acil müdahalelerden toplu taşımaya kadar geniş bir yelpazede kentsel hizmetlerde de faydalı
olması mümkün. Bu tür çok yönlü uygulamalar, şehirlerin daha verimli ve akıllı bir şekilde yönetilmesini de gerçekleştirebilir.
Araştırmacılar, mevcut modelin sınırlamalarının farkında olduklarını da belirtiyorlar. "Şu anda kuryelerin davranışlarını benzer kabul ediyoruz, ancak bu her zaman gerçekçi olmayabilir," diyorlar. "Gelecekte modeller, bireysel
hız, yorgunluk veya dinamik fiyatlandırma gibi faktörleri de dikkate alabilir." Ayrıca, bu yapay zeka modelinin daha gelişmiş kentsel planlama araçlarıyla entegre edilmesinin de ilgi çekici bir olasılık olduğunu vurguluyorlar.
Bu tür bir entegrasyon, şehir içi lojistik ve ulaşım sistemlerinin daha verimli bir şekilde yönetilmesine olanak tanıyabilir.
Ancak araştırmacılar yapay zekânın verdiği kararların, kuryelerin kazançları ve iş memnuniyetleri üzerinde de etkileri olabileceğinden endişe ediyorlar. Model, genel verimliliği artırmayı hedeflerken, siparişlerin kuryeler
arasında eşit olmayan bir şekilde dağılmasına yol açmakta ve iş yükünde, dolayısıyla kazançta, dengesizliklere neden olabilmekte. Araştırmacılar, yapay zekânın hizmet kalitesini iyileştirmesi gerektiğini belirtirken,
aynı zamanda kuryeler için de adil ve eşit koşulların sağlanmasının önemini vurguluyorlar. Bu, sistemin sadece verimli değil, aynı zamanda sürdürülebilir olması için de kritik bir faktör olarak görülüyor.
Bu model sayesinde, trafik, altyapı ve kamu hizmetlerinin iyileşmesi amacıyla yapay zekânın yeni kullanım alanları keşfedilirken, kentsel inovasyon süreçlerine de etkin bir katkı sağlanmakta. 2025 yılında 200 milyar dolara
ulaşacağı hesaplanan küresel yemek teslimatı sektörünün, rekabet avantajı yaratacak akıllı çözümler aramasına şaşırmamalı. Yapay zekâ, bu alanda bir sonraki “büyük hamle”
olabilir. Dijitalleşmenin hızlandığı bir dünyada, yeni yapay zekâ modelleri, giderek artan teslimat taleplerini ve yoğun araç trafiğini dengelemekte önemli bir rol oynayabilir. Bir sonraki yemek siparişiniz reddedilirse
ya da tam tersine, telefonunuz daha kapanmadan gelirse şaşırmayın!
Yapay zekâ dünyasına ilgi duyuyor, bu alandaki gelişmeleri yakından takip ediyor veya uygulamalarınızı paylaşmak istiyorsanız, EELISA topluluklarından AI4manufacturing ve AI4Health’in etkinliklerine katılarak alanında uzman
konuşmacılardan, yapay zekâ uygulamalarının yenilikçi yönlerini dinleyebilir; uygulamacılar, öğrenciler ve akademisyenlerle tanışarak ortak projelere kapı aralayabilirsiniz.
Kaynak:
H. Jahanshahi, A. Bozanta , M. Cevik, E. M. Kavuk, A. Tosun, S. B. Sonuc, B. Kosucu, A. Başar. (2022). A deep reinforcement learning approach for the meal delivery problem. , Knowledge-Based Systems https://doi.org/10.1016/j.knosys.2022.108489