车牌摇号、限行、交通拥堵未来会通通消失?阿里王坚说利用机器智能可以做到


记者 | 周翔


周一的早晨,营长被北京早高峰的洪流裹挟着来到公司,差点迟到!


众所周知,交通拥堵是很多城市难以解决的痛点。对于帝都群众来说,车牌摇号、限行早已习以为常,聚会迟到的理由如果是堵车的话大家也多会报以理解。


但昨天营长听到有人居然说,要用人工智能来解决这些问题,甚至可以取消车辆限行!


这个人就是阿里的王坚,他们将解决的办法称之为“城市大脑”。



1月28日,在AI科技大本营参加的《麻省理工科技评论》与深科技举办的新兴科技峰会上,阿里巴巴首席技术官王坚在会上发表了主题为《从云计算到城市大脑,机器智能时代到来》的演讲。


王坚博士曾经是浙江大学心理学系教授、博士生导师,于1999年加入微软亚洲研究院,并在2008年9月加盟阿里巴巴,担任首席架构师一职,帮助阿里巴巴集团建立世界级的技术团队,负责集团技术架构以及基础技术平台建设,可以说,阿里云是王坚在争议中一手创建起来的。


在演讲中,王坚将城市描述成人类有史以来发明的最大的智能硬件。在他看来,当这么复杂的一个智能问题放在我们面前,就很难用传统意义上的“人工智能”这个词来描述了,而描述这种智能技术最好的名称是“机器智能”。


至于“城市大脑”下一个阶段的目标,王坚表示,他们要让世界上每个城市都取消车辆的限行,也就是让现在所有的道路在有数据和大脑的情况下发挥最高的效率。


以下是王坚博士的演讲内容,AI科技大本营整理:




城市是最大的智能硬件


我认为今天最大的智能硬件,就是我们所熟知的城市,它可能是人类有史以来发明的最大的智能硬件。


过去两年我有幸参与了一项工作——城市大脑,希望把如此庞大的硬件变得智能。今天会议主题是“云端上的AI风暴”,而我认为更好的说法可能不是AI,而是Internet和Cloud,或者说应是智能云计算。


现在我们生活在城市中,每天都面临着各种各样的问题,比如交通问题,为了解决这些问题,人类曾付出了很多的代价,比如“波士顿大挖掘”——为了城市的美观,花了几十亿美金把几条高速公路从地上转移到地下。


为什么说一个事物如果拥有了一个人的智能是很重要的事情,那是因为人知道如何把各种资源综合利用,比如在合适的时间进行说话、写字,知道如何利用最小的能量与精力去换取所需要的东西。回到今天的对象——城市来说,我们的城市还是一个四肢发达、头脑简单的存在,是一个“无脑城市”,它需要一个大脑去帮助它更好的运作。


如今我们有机会对“城市大脑”进行的研究,得益于互联网等基础设施的飞速发展,这样我们可以有足够的数据资源去重新思考如何去构建我们的城市。目前全世界的城市共同面临的最大的问题就是交通问题,这个问题在过去并没有得到很好的解决,而现在互联网、大数据的发展给我们提供了一个机会。


城市面临的最大问题


先来看看在目前已有资源存在的情况下依然还没有解决的问题:


  1. 虽然信息系统、智能系统发达,但我们还不能准确描述城市的某一时刻某一路段上会有多少车;

  2. 城市的规划管理者(如市长)也还不能准确知道每位市民每天的出行计划。


这两个问题是最基本的,但如果得不到解决,城市交通的优化(使得市民出行更加顺畅)就可能无从下手。


目前面临的最大的问题就是:解决问题的需求与目前所获得的资源并不完全匹配。这就需要一个新的机制可以像大脑一样来完成这件事情。


我们在杭州进行试点,所调动的资源包括城市的空间资源——道路资源、城市的时间资源——红绿灯资源。这两种资源在过去没有得到很好的利用,如今有了互联网与大数据技术,就要把它们优化和利用起来,以此进行对城市交通的优化。


当我们拿到这些资源后,发现大家也忽视了一件事情,那就是我们今天对时间的调配效率是远远低于大家的想象的,任何的城市都会有这样的情况,其中一个很重要的原因就是今天的交通模型并不能真实反映城市的交通情况,现在,遍布中国城市的密密麻麻的摄像头也给了我们了解城市每天所发生的事情的机会。


城市的数据资源、现代的互联网和大数据技术可以让我们优化所有公共资源的使用情况,交通是一个非常突出的例子,而我们在杭州的试验中发现了三个有意思的事情:


  • 第一次可以真正准确的知道在城市的某一时刻某一路段上有多少辆车,这个发现可以用于优化城市车辆限行制度。目前的限行制度存在很多问题,比如限行之后,城市发生了什么?是否真的解决了交通拥堵?比如杭州城区有120万辆车,单双号限行后,还有120万辆车,那60万辆车又是从哪跑出来的?这是今天交通碰到的一个非常大的问题,我们应该保证每一辆车都有与它所匹配的足够的资源。


  • 当道路资源(车辆数目)是确定的情况下,我们唯一可以优化的就是时间资源,也就是红绿灯的配置。所以我们在杭州做的第二个事情就是根据摄像头看到的交通情况,来动态地调整红绿灯的配置,也就是动态地调整交通的时间资源。在一条贯穿杭州南北的高架试点上,我们做到了让车辆在这条高架上平均使用的时间降低了5分钟,这是一个非常大的数字。在地面的路上,我们的解决方案可以让平均车速提高15%—20%。以前我们通过把路修宽来提高车速,现在我们靠的是过去大家见不到的东西——数据。


  • 当整个城市的各项活动可以用一个大脑来协调的时候,这会带来很多意想不到的结果。在任何国家和任何城市,都有特种车辆,如警车、救护车等等,这些车在道路上有特权,过去这个特权是靠闯红灯得来的,但是这有很多的问题,如它会带来次生事故。在杭州的试点我们发现,当我们把这些车辆与一个城市的大脑的调度协调相结合的时候,救护车可以在不闯红灯的前提下,将抵达救护地点的时间缩短50%——从过去的15分钟左右降到现在的7、8分钟,这是救命的时间,意义非凡。


机器智能比人工智能更贴切


这些例子说明了一个非常大的问题,今天所谓的智能技术要解决的问题,远远超出我们手里的手机、音箱。城市是最大的智能硬件,面临着智能技术的挑战。当这么复杂的一个智能问题放在我们面前,就很难用传统意义上的“人工智能”这个词来描述了,我认为描述这种智能技术最好的名称是“机器智能”。


人工智能和机器智能是个同义词,为什么我要强调是机器智能?因为人工智能做的事情是人类大脑可以解决的事情的学习与延续,而城市今天面临的几乎所有问题,都不是人的大脑可以解决的。这就是为什么全世界都面临交通问题和其他问题,今天唯一的解决方法,不是把人会做的事情教给机器,让机器去做,而是让机器去学会很多人类都不能做的事情,来帮助人类解决今天面临的问题。所以在这样的背景下,把人工智能比叫机器智能可能更贴切。


有一次我与一位市长交流,当做完城市大脑这件事情以后,突然发现市长根本不是人干的事情,何况是人工智能,所以我认为这是一个非常巨大的机会。在经历过语音识别、人脸识别后,城市大脑为下一代的智能技术打开了一个完全不同的新的大陆,我更愿意把它叫做机器智能。


城市大脑未来的目标


城市大脑下一个阶段的目标,就是让世界上每个城市都取消车辆的限行,也就是让现在所有的道路在有数据和大脑的情况下发挥最高的效率。我认为现在的道路资源是足够的,但是没有进行优化。


我们更长远的目标不是像波士顿一样把道路修到地下去。这个世界本来是不需要修那么多路的,我们现在不得不这么做,是因为资源的利用效率不高。今天的中国,每个城市大概都要拿出20%-25%的土地来修路。我们相信,经过城市大脑的努力,可以帮助城市省下5%的土地资源,这将为社会提供一笔巨大的财富,也会开启巨大的市场。


最后我想表达,城市大脑绝对不是一个人工智能的应用,它更像在160多年前伦敦第一次引进的地铁,影响深远。城市大脑将为未来的城市引入一个新的基础设施,在未来的五到十年里,城市大脑将变成世界上每一个城市都需要的基础设施,它的作用不会亚于过去的地铁和100多年前第一次被爱迪生引入纽约市的电网。这才是真正意义上的智能技术的未来,而不只是解决我们手中的问题。


城市这么大的一个智能硬件,一定会推动所有我们今天可以想象的智能技术的发展。城市大脑作为一个载体,将有可能成为下一个十年的各种技术的发源地,包括智能技术的“阿波罗计划”,大家可以想想,60年代的阿波罗计划带动了多少学科的发展。希望更多年轻人在城市这个最大的智能硬件上,做一些从来没有人做过的创新。 


谢谢大家!


招聘

新一年,AI科技大本营的目标更加明确,有更多的想法需要落地,不过目前对于营长来说是“现实跟不上灵魂的脚步”,因为缺人~~


所以,AI科技大本营要壮大队伍了,现招聘AI记者和资深编译,有意者请将简历投至:gulei@csdn.net,期待你的加入!


如果你暂时不能加入营长的队伍,也欢迎与营长分享你的精彩文章,投稿邮箱:suiling@csdn.net


如果以上两者你都参与不了,那就加入AI科技大本营的读者群,成为营长的真爱粉儿吧!后台回复:读者群,加入营长的大家庭,添加营长请备注自己的姓名,研究方向,营长邀请你入群。


热文精选


比特币的价格今年会达到10万美元吗?有人用蒙特卡罗方法预测了一下

Tomaso Poggio:深度学习需要从炼金术走向化学

一文教你如何用Python预测股票价格

开发者AI职业指南:CSDN《AI技术人才成长路线图V1.0》重磅发布

企业智能化升级之路:CSDN《2017-2018中国人工智能产业路线图V1.0》重磅发布

蒋涛:重新回归的我,将带领CSDN全方位升级,为AI转型者打造一站式平台

速成班出来的AI人才,老板到底要不要?6位导师告诉你行业真相

干货 | AI 工程师必读,从实践的角度解析一名合格的AI工程师是怎样炼成的



☟☟☟点击 | 阅读原文 | 查看更多精彩内容

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值