吳甘沙對話《機器學習》作者Tom Mitchell:AI如何顛覆我們的城市?

4月27日,在GMIC 2017(全球移動互聯網大會)北京站現場,馭勢科技CEO吳甘沙與卡內基梅隆大學計算機科學學院機器學習系主任Tom Mitchell,進行了一場爐邊對話。繼霍金在之前表示人類文明將面臨被超級智能毀滅的威脅之後,他們的討論了另一個超越科幻的主題:」人工智能如何顛覆我們的城市」。

而這次,是一個對未來美麗場景的預測。滴滴、Uber的出現已經改變了我們的出行方式,而未來,隨著自動駕駛技術的發展,無人駕駛車輛的應用,也許更多新的業態即將出現。而對於城市建設而言,交通擁堵、環境治理、人口和商業佈局等,或許都將因此而改變。通過機器學習,或許可以模擬出城市的演進,以及進行佈局設計。甚至,吳甘沙和Tom Mitchell,還談到了雄安新區的建設。

以下是吳甘沙和Tom Mitchell的對話,經黑智(VR-2014)編輯:

吳甘沙:馭勢科技聯合創始人兼CEO,前英特爾中國研究院院長、英特爾首席工程師。2017年1月,馭勢科技在CES2017發佈了第一輛針對城市移動空間、完全重新設計的無人駕駛電動車。

Tom Mitchell:卡內基梅隆大學計算機科學學院機器學習系主任、教授,美國工程院院士,美國科學進展學會(AAAS)成員,人工智能進展學會(AAAI)成員,美國《Machine Leaming》雜誌、國際機器學習年度會議(ICML)的創始人。《機器學習》一書的作者。

吳甘沙:我讀了一本書,它有一些非常有意思的觀點,講動物其實也是遵循這樣一個規則,動物體型越大,它的心跳速度就越慢。像匹斯堡這樣的城市,它的體量比一個小鎮要大50倍,因此它的創新能力要比一個小的城市大的多得多,大150倍。北京比匹斯堡要大50倍,但是我不認為北京的創新能力比匹斯堡要大150倍。你的觀點是怎麼樣?

Tom Mitchell:當我們討論一個城市的規模和它的創新能力之間的關係,我們必須要問一個問題,就是一個城市的創新能力或者創造力,相對於它的人口數量,或者相對於人和人之間互動,這個是不是有關係。城市的規模大一倍,人和人之間的互動這種可能性就會大一個平方。我們其實也並不是那麼的聰明,其實我們互相之間交流,人和人思想的碰撞,才是產生創新火花的動力,人和人互相之間的互動和交流往往是一個城市創新能力的源泉。

吳甘沙:這個是大城市的優勢,人口多,大碰撞可能會碰撞出一些智慧的火花,但是也有它的弱點,比如大城市有像北京這樣的大城市,有交通問題,會堵車,有路怒等等,有很多交通事故。能源的使用會產生霧霾等等這些問題,空氣污染的問題,有些問題可能會演變成為大問題。比如一輛車90%多的時間都是一個閒置的狀態,你在北京要找車也找不到停車位等等;我們有600萬的車在北京,只有200萬的停車位,這個過程當中,我們就會需要去考慮怎麼樣去找更多的停車位,房地產的價格越來越高,空間越來越少,年輕人必須要住到很郊區的郊區去,有大量的時間花在通勤方面,浪費很多時間在每天從家到工作的地方,每天有10億小時的時間是在路上浪費掉的。

如果我們追溯到以前埃及時代,當時造金字塔的時候,他們也就是花了10億小時的時間。所以每天大量的生產力被浪費掉,因為堵車這一件事情。你怎麼樣來解決這些大城市病?我不認為人和人之間的互動可以解決這些問題。

Tom Mitchell:我認為從某種程度上講,很重要的交談,網上、線上的互動很重要,比如微信是中國目前網上人和人之間互動最受歡迎的一個應用,我自己也是非常活躍的微信用戶。

吳甘沙:人和人互動的平或者其他平台,讓我們面對面的交流變得不那麼重要,但是你要讓兩個人互相之間交流,還是要建立起一種信任。未來或者現在很多時候我們的互動,都是線上和面對面交流相結合的一種狀態,微信在未來可能會被一些新的技術如虛擬現實等等技術來替代。但是我們通過微信與其他技術,降低了人與其他人之間交流的距離要求,但仍然需要物理互相接近,如吃飯,和朋友聚會,我們有情感需求,產生了不同的移動出行要求。很多問題不能通過網上在線的交流來替代的。

在過去這些年當中,我們出行方式有了很多改變,Uber總部在舊金山,但他們在匹茲堡有一個很重要的無人駕駛車輛叫車服務,這樣一種約車服務,其實從某種程度上解決了人們出行的一些難題。

Tom Mitchell:共享服務對很多人哪怕是沒有車的人來說也能夠改變出行方式,比如滴滴、Uber,我們所在的國家都有很多出行的解決方案。不管是叫車、約車還是車共享的方式,都是非常好的解決方案,這樣的服務使得人們的出行過程,可以在更加精準情況下,進行相應的服務。

吳甘沙:同時也可以創造很多新的就業機會。滴滴是中國的Uber,每天峰值交易達到了2100萬單的交易量。另一方面也幫助就業,有數百萬的司機可以加入滴滴平台解決他們的就業問題。如果你需要真正的司機,那麼你會產生很多其他的成本,比如說司機的成本,司機有沒有時間,勞動的供應是有限的,不可能無限的擴大網絡,總是有一些瓶頸的。從0到2100萬容易,但2100萬到4200萬很難,怎麼解決勞動供應問題或者司機問題?

Tom Mitchell:我知道你個人對這個問題很有研究,即便找到司機做4200萬單的交易,但是污染問題、堵車問題仍然沒有解決,甚至會加劇。而真正合理的解決方案要讓規模擴大,儘可能把我們自動駕駛的技術量產化,有很多公司都在考慮未來的自動駕駛,很多傳統汽車公司也在這麼做。我們不僅需要有自動駕駛的汽車,有滴滴這樣公司的交易量,還需要現有交易量能夠以更優化的方式完成,減少污染、減少堵車。

自動駕駛車能夠更加高效地駕駛,能夠形成一個車隊,更好的來使用一些新的技術,減少能源的使用、消費,沒有堵車的情況出現。車互相之間的互聯和智能,將使車和車之間的交流、使整個交通系統更加通暢。自動駕駛的潛力非常巨大,能夠提高整個交通系統的效率,減少污染物的排放,降低能源消耗。

吳甘沙:我想在座很多人可能不知道無人駕駛的鼻祖,就是Tom的學生,卡內基梅隆在80年代就已經做了這些研究,那麼在過去幾十年內有什麼進展嗎?

Tom Mitchell:我認為,80年代的時候,計算機是一個比較機械、盲目的東西,對世界沒有感知能力。我想真正的革命是讓計算機從過去的沒有感知能力變成一個能夠可看見、能夠感知到的機器,可以看到,而且也有聽覺,聽到別人說的話,而且精準度也很高。這樣的話,在未來還有很多人工智能方面的應用,你必須要有這種感知能力才能夠去開車。

吳甘沙:在2015年,Uber從卡內基梅隆的機器人研究院招募了40名科學家?

Tom Mitchell:是的,因為Uber想要專門打造一個自動駕駛車的研究中心,現在這個自動駕駛車已經在這個城市裡可以開了,我的朋友讓我試一下,實際是有軟件控制,讓車自動接人,如果有時候剛好碰上無人駕駛的車就趕上了,要不然就是人工駕駛的車接你。確實優步從我們那兒雇了很多人,大學也對此不太高興。但我想幾個年代之後,他們會意識到對於匹茲堡這個城市來說是好事,人才流動,可以在地區建立起更大的人才生態系統。這就回到您一開始所說的,如果把自動駕駛的研究人員翻一番,也可以使得創新能力翻一番。

吳甘沙:從卡內基梅隆還有另外一個公司Ottomatika,這個公司已經被德爾福收購了,似乎卡內基梅隆成為這方面人才的孵化器。

Tom Mitchell:我知道在大學裡面也在進行這方面的各種研究,在機器人方面,我們正在研究一些不同的應用,從自動駕駛、採礦、農業種植等等。如果是一個比較小的區域,比如說採礦,就不會像在自動駕駛場景裡那麼複雜,因為不會有行人隨意穿過礦產區;還有無人機,還有機器人蛇,可以進入到人沒法進入的非常狹窄的區域。我們還在考慮將神經科學和人工智能結合起來,也有這方面的跨界研究。

吳甘沙:交通出行根本改變了城市,現在我們又有了新的出行的可能,我們認為有無人駕駛車之後,就不需要那麼多的停車場了。車可以停在郊區,城市的佈局就跟今天大不相同。我們是不是可以來預測或者是模擬這種空間佈置的變化呢?

Tom Mitchell:我們認為自動駕駛車的下一個革命將會帶來更加根本性的變革,會更加深刻地改變我們城市的佈局。

我們可以把現在這些昂貴的停車場轉變成綠地,變成城市的綠化,而且我們可以改善城市交通擁堵的問題。我們會看到現在都難以想像的一些新的商業模式的出現,就像當時出現facebook這樣的社交媒體一樣。而自動駕駛汽車可能會給我們帶來移動餐館,我們不用外賣叫披薩了,可能有無人機把這個披薩送到這個無人車上,然後再把車送到家裡。也許到時候醫生還可以上門給你提供服務了,至少可以把星巴克開在這些無人駕駛車上,所以可能會出現各種各樣新的業態。

對現在我們來說這還很難想像,我們也很難按照這樣的可能性去設計我們的城市。我們還是有很多不確定性,不知道未來下一個技術革命會是什麼樣的方向。我們在設計城市佈局的時候,也許可以設計一些空間,可以讓那些無人機或者是自動駕駛車停靠。

下一個一百年和過去一百年的區別在於,這種變革的速度會快的多得多。而這些城市他們的設計也要為這種難以預測的變化做好準備。

吳甘沙:我們都知道深度學習,機器也已經在圍棋中打敗了人類得冠軍。而接下去我們還不知道它是否會在更加複雜的比賽中取勝,比如我們小的時候玩過的遊戲,模擬城市建造。我們是不是可以用機器學習的技術,比如說深度強化來進行這樣的遊戲,來模擬未來城市的建設?這樣的話,就可以考慮到所有的這些不確定性,把它考慮在內,來進行預測或者是模擬未來城市的運營。

Tom Mitchell:非常有意思,如果我們可以對城市進行這樣的模擬的話,那這個遊戲可能還過於簡單了。如果我們再把它加深一下,真正來模擬幾百萬種城市建設的方式,也許我們也可以學到如何來管理城市可能出現的不可預測的情況。甚至可以發現我們現在還沒有想像到的一些方法。

吳甘沙:如果在城市建設方面我們也能有這樣一個模擬器,通過機器學習算法,來預測或者進行模擬的話,我們可以看到未來城市的演進。

Tom Mitchell:還有一些非常艱難的政策上的選擇。比如說如果使用各種網上的醫學上的數據,城市用這些數據來控制傳染性疾病或者是新疾病的發生,這些也是一個可能的新的應用。可能會涉及到隱私的問題,有些人不願意在網上分享他們的醫療信息。另一方面,這些數據卻可以給我們帶來很好的管理上的經驗。你剛才所說的,類似遊戲的方法,我們可以來瞭解一下這幾種不同的政策上的選擇。

吳甘沙:除了醫療數據,像電信運營商也有人們的出行數據,也許可以設計一個更好的城市佈局。現在中國在開發新的區域新的經濟帶方面有很多的動作,上個月最大的新聞就是雄安新區。這樣的話,我們就可以來設計這個雄安新區的基礎設施。如果在這個過程中應用一些人工智能的技術的話,我想肯定是一件非常棒的事。

Tom Mitchell:我覺得這確實是一個非常好的機會,這也是中國獨一無二的一個特點,可以進行這樣新區的開發。在講到未來,可預測性越來越小,在建設這個新的城市的時候,他們就應該可以考慮有些空間可以進行重新設計,順應不同的功能。如果在五十年前我們就考慮到這些問題的話,也許我們就不會建造我們現有的這些機場了。在新區的時候也許可以考慮到這些無人車的可能性,在設計過程中要保持大的靈活性,當然做起來很不容易。

吳甘沙:我們的這種願景,這是一個永無止境的學習的過程,而且我們對此非常期待。

Leave a Reply

Your email address will not be published. Required fields are marked *

*

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料