Esri首席大数据专家Mansour Raad：人工智能与大数据的结合，会为地理信息产业带来颠覆式变化

在10月的用户大会上，Mansour为中国用户带来了关于人工智能、大数据等方面的研究现状和未来愿景的讲座。

在会上Mansour接受了泰伯网的采访，他透露：Esri已经建立了专门的项目团队，来探索AI和大数据在地理信息领域的前沿应用，在新版的ArcGIS 10.6软件中，将会加入与Spark等大数据软件集成应用的新功能。

Mansour表示：人工智能与大数据的结合，很有可能会给地理信息产业带来颠覆式的变化。

人工智能的前世今生

早在80年代，AI就已经受到了大家的关注，但由于当时计算机处理能力低下、各种设施都不完备等，导致AI产业一直不温不火。

现在就完全不一样了，计算机技术飞速发展，摩尔定律的提出，CPU、GPU、TPU的普及，使计算机处理能力不断提升，物联网、云计算、大数据相继出现，这些综合能力的提升，使人工智能的爆发成为可能。

数据=主动权

有这样一种说法：麦当劳的生意不是汉堡，而是房地产；马云提供的免费服务不是慈善，而是在收集你的数据。在当今这个数据王国，谁拥有了数据，谁就掌握了主动权。

Mansour举例说，美国主流的车险企业都已经启动了位置大数据和传感器的方案。包括他本人在内，很多用户车辆上已经安装了传感器，用来采集开车过程中的各种操作，包括刹车、转方向盘、急加速、急减速、其他违规等，这些数据将作为保险公司评估下次车险额度、折购费率的依据。

如果数据显示这名司机开车比较稳定，那么他可以享受的优惠就会多一些；反之，保险费用就会相对比较高了。如今在美国，几乎所有和车险相关的保险公司，都已布局完成传感器车辆监测；而在中国虽然有很多保险公司也在推广这项工作，但是仅仅是刚刚起步。这块市场还有很大地发展空间。

大数据在给人们带来方便的同时，也有一些自身的问题，其中最棘手的一个就是数据隐私问题和数据可获得性。

Mansour举例：有一次他和搭档为了测试一个GPS算法，向车辆管理部门申请与汽车行驶轨迹相关的GPS数据。由于涉及车主的隐私问题，申请的过程并没有那么顺利，最后他们不得不亲自开车去采集。

电灯的发明并不源于对蜡烛的改进

Mansour讲了一个发生在科威特的案例。科威特地处沙漠地带，水源稀少，生活不便，因此车辆对于居民生活来说至关重要。但数目巨大的车辆导致交通拥堵等问题日益严重，严重制约了当地经济的发展和人们生活质量的提升。

为此，当地政府建立了一个名为“科威特搜索器”的应用，将居民与商品和服务连接起来，同时还提供转弯语音导航和交通信息等。但是，由于道路上缺少交通传感器，交通信息存在盲区。因此，当地政府向Esri团队寻求解决方案，能否在没有数据存储的情况下预测交通情况，提供可靠的交通信息。

Mansour提到，起初，他们用了一个多月的时间，收集司机上传的自己周围交通状况的信息，分别用流量大、流量适中、流量小三个关键词表示。然后他们使用传统机器学习的方式，开始输入样本数据、编写程序，最后来填充交通信息盲区的数据。

项目进展的非常顺利，但后来他们发现，某些天会出现例外情况，如斋月的第一天车辆会激增，而每次例外情况出现，他们都要重新修改代码。他把整个过程比喻成“打地鼠”，就像你不知道地鼠会从哪个地方突然冒出来一样，新增的问题一个接一个出现，导致编程工作效率极低。

此时，Mansour想起旧金山大学商学院教授奥伦•哈拉里(Oren Harari)的一句话: 电灯的发明，与蜡烛持续不断的改进毫无关系。Mansour受到这句话的巨大启发，此时不再需要对蜡烛持续改进，而是需要一个灯泡。

Mansour说，为了改变“打地鼠”的窘境，最终找到了解决方案——Geo.AI，即地理智能，让计算机自己进行学习。

传统机器学习的方式，Mansour的团队需要给予交通流量分类程序明确的指导，所以每一次外界情况的变化，都需要调整算法，来预测流量。而现在，团队只输入了科威特司机上传的数据和交通规则，让计算机学习程序自己去了解与流量相关的信息，最后填补交通信息盲区，预测行车路线。

就像AlphaGo一样，研究员只给AlphaGo Zero输入棋盘的构造和黑子白子的走步规则，没有任何历史棋谱样本，没有任何人类知识，完全是“从零开始”，自己与自己对弈，通过更优秀算法的不断迭代，取得飞速进步，真正做到了自我学习。

用专业词语讲，AlphaGo Zero和科威特案例中使用的机器学习，不再是初级阶段监督学习和非监督学习，而是深度学习，Mansour也称之为加强学习，是机器学习的高级阶段，换句话说，就是机器根据规则自己学习。

Mansour强调，这次AI的浪潮与以往最大的不同，就是思维方式的改变。对蜡烛再怎么持续改善也变不成灯泡，但如果重新发明个灯泡就会改变整个产业的情况。他认为，人工智能和大数据就是这个灯泡。

不在AI上投资的地信企业，终将落后

Mansour强调了机器学习尤其是深度学习，对于当前企业发展的重要性。

中国的地信企业想进入人工智能领域，Mansour建议，首先是要改变思维模式，重视深度学习；其次就是人才培养。既懂人工智能又懂大数据的跨界人才非常少，所以要积累人才，而且要持续的投入。对于初创企业来说，他知道很难。但他坚定的说，难也得做、必须要做。

另外，全球虽然有很多公司都在做人工智能和大数据结合，但他们多数都还停留在监督学习和非监督学习两个阶段。在谷歌Alpha Zero新一代人工智能诞生后，也只有较少的企业能够进入深度学习阶段。所以从这个角度来讲，全球多数企业都是站在同一个起跑线上。尤其对于初创企业来说，还是有机会参与进来的。

人工智能和大数据结合，还可以发现各领域没有留意到的市场机会，能够解决靠人的直觉或原来的工作流程无法解决的问题。他举例说，我们吃面包的时候，会不小心掉一些面包屑，单独看这一事件没有什么，但如果把掉面包屑这个事情作为一个整体看的时候，如有一百万、一千万、十亿个面包，这个数量是非常可观的，可能会催化出一些新兴领域和应用。