對話《機器學習》作者 Tom Mitchell：人工智慧如何顛覆我們的城市

毫無疑問，人工智慧將在不遠的將來深刻地改變我們賴以存在的世界，而我們城市的形態、布局，居住在城市中人們的生活所受到的衝擊應是最為深刻的。

編者註：當下我們在談論「人工智慧」時，其實更多的是在討論一些「產品化」的內容，例如它將如何影響未來汽車的發展，如何讓智能家居變得真正「智能」起來，如何改善搜索、郵件等軟體的使用體驗……

毫無疑問，人工智慧將在不遠的將來徹底改變我們賴以生存的世界，而我們城市的形態、布局，城市居民的生活方式所受到的衝擊應是最為深刻的。

基於這一話題，馭勢科技聯合創始人兼 CEO 吳甘沙，以及卡內基梅隆大學機器學習學院教授兼院長 Tom Mitchell，在 4 月 27 號的 GMIC 大會上來了一場「爐邊談話」，一起聊了聊人工智慧和我們城市的發展能夠產生什麼樣的關聯。

以下內容是根據兩人的對話整理而成，略有刪減。

城市規模和創新能力成正比？

吳甘沙：Tom Mitchell 您好，你是在賓州出生的，現在你也是在賓州工作，你覺得在賓州最有意思的是什麼事情？

Tom Mitchell：我生活在賓州的匹斯堡，關於這個城市，它在過去三十年裡面發生了巨大的變革。匹斯堡曾經是美國的鋼都，但是很快這些鋼鐵企業都破產了。特別是在 70 年代，我們城市出現了很多失業問題，不過匹斯堡在這幾十年裡面成功轉型，現在它又一派生機了。

吳甘沙：卡內基梅隆大學在這其中發揮了很重要的作用？

Tom Mitchell：是的。與此同時，匹斯堡作為一個城市，它的成功轉型是大學、政府、企業、公會還有非政府組織在協調之後的一個很好的結果。

吳甘沙：我們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，要大 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，人和人之間互動是不是也有關係。我們自身其實並不是那麼的聰明，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，比如像北京這樣的大城市，有交通問題，會堵車，有路怒，能源的使用會產生霧霾，空氣污染等等這些問題，有些問題可能會演變成為大問題。比如一輛車 90% 多的時間都是一個閑置的狀態，你在北京要找車也找不到停車位——北京有 600 萬輛車，但只有 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，而房地產的價格越來越高，空間越來越少，導致年輕人必須要住到郊區去。

從家裡到工作的地方，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，就因為堵車這一件事情。

共享改變城市交通

吳甘沙：在過去這些年當中，我們出行方式有了很多改變，優步總部在舊金山，但他們在匹茲堡有一個很重要的研發基地，這樣一種轎車、約車服務，其實從某種程度上解決了人出行的一些難題。

Tom Mitchell：共享服務對很多人，包括沒有車的人來說能夠改變他們的出行方式。比如滴滴、優步，你所在的國家也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，這樣的服務使得人出行更加精準。你到哪裡去，什麼時間，可以進行相應的服務。而優步，可以在城市之間進行城際的出行，是非常好的解決方案。

吳甘沙：同時也可以創造很多新的就業機會，滴滴是中國的優步，每天峰值交易達到很高的數字。中國最大的電子商務公司阿里巴巴，所有類別產品加在一起，每天大概是三千到五千萬單，滴滴是出行服務，達到了一百萬單的交易量。

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路，總是有一些瓶頸的。從 0 到 2100 萬容易，但 2100 萬到 4200 萬很難，例如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把一系列的技術用於未來的自動駕駛，很多傳統汽車公司也在這麼做。

我們不僅需要有自動駕駛功能的汽車，有滴滴公司這樣的交易量，現有的交易量能夠以更優化的方式完成，減少污染、減少堵車。因為自動駕駛車能夠更加高效的駕駛，能夠形成一個車隊，能夠更好地使用一些新的技術減少能源的使用、消費，減少堵車的情況出現。

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常，所以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。

自動駕駛變革城市布局

吳甘沙：我想在座很多人可能不知道無人駕駛的鼻祖是湯姆的學生，在 21 世紀早期，DARPA 舉行了城市挑戰賽，卡內基梅隆大學在 2007 年就取得了達帕挑戰賽的冠軍，卡內基梅隆大學在這方面有很多的延展。

大概在 90 年代，當時有一個博士研究生寫了一篇論文，模擬神經系統來開車，端到端的開車，當時一般速度只有 15—25 公里，但幾乎把這個速度翻了一番。可能在 20 年後，就真正應用這些技術了，因為自動駕駛端到端的實現是很困難的，所以我又去看那些論文上的引文，發現卡內基梅隆 80 年代就已經做了這些研究。那麼在過去幾十年有什麼進展嗎？在自動駕駛方面？

Tom Mitchell：我認為大的進展是 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。80 年代的時候，大家用計算機可以下棋，因為那樣的話不用真正的對世界進行感知。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、能感知到的機器，而且也有聽覺，聽到別人說的話，精準度還很高。這樣的話，在未來還有很多人工智慧方面的應用，你必須要有這種感知能力才能夠去開車。

吳甘沙：我們知道在 2015 年，優步從神經研究院還有卡內基梅隆的機器人研究院招募了 40 名科學家？

Tom Mitchell：是的，因為優步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，我的朋友問我能不能試一下，實際由軟體控制，讓車自動接人，如果有時候剛好碰上無人駕駛的車就坐上，要不然是人工駕駛的車接你。優步從我們那兒雇了很多人，大學對此不太高興，我們不想失去自己的人才。

我想若干年之後，他們會意識到對於匹茲堡這個城市來說是好事，與此同時，機器人研究院為了替代這些流失人才又僱傭了大量人才，人才流動，可以在地區建立起更大的人才生態系統。實際上這個技術上的挑戰很大，我們需要更多的人才來解決這個問題。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，這個公司已經被收購了，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，包括自動駕駛、採礦、農業種植等等，有一些比較容易，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里那麼複雜，因為不會有行人隨意穿過礦產區。還有無人機，還有機器人蛇這些蛇進入到人沒法進入的非常狹窄的區域。還有跟人工智慧方面相關的，我們還在考慮。將神經科學和人工智慧結合起來，也有這方面的跨界研究。

吳甘沙：我們再來看一下歷史，交通出行根本的改變了城市的發展。在第一次工業革命之後，蒸汽機擴展了鐵路線，推動了鐵路的發展。而第二次工業革命之後，汽車的廣泛使用又改變了人們的出行方式，擴大了人們活動的範圍，改變了城市的格局。可以在城市各處修建超市，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，城市的布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布置的變化呢？

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，會更加深刻的改變我們城市的布局。我們可以把現在這些昂貴的停車場轉變成綠地，變成城市的綠化帶，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。

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，或者是移動的餐館——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，很可能會出現各種各樣新的產業形態。現在我們是很難想像這些的，因此我們也很難按照這樣的可能性去設計我們的城市。

我們還是有很多的不確定性，不知道未來下一個技術革命會是什麼樣的方向，所以我們在設計城市布局的時候，也許可以設計一些空間，讓那些無人機或者是自動駕駛車可以停放。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。

人工智慧模擬城市建設

吳甘沙：我們都知道深度學習已經在圍棋中打敗了人類得冠軍。而接下來，我們還不知道它能否在更加複雜的比賽中取勝，例如我們小的時候我們玩過的模擬城市建造。

Tom Mitchell：如果來看一下深度學習，AlphaGo 打敗了人類的圍棋冠軍，這是下了幾百萬盤棋的結果。您剛才所說的這個很有意思，如果我們可以對城市進行這樣的模擬的話，這個遊戲可能還過於簡單了，難以從事這個任務。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這些使不可預測的情況。甚至可以發現我們現在還沒有意識到、想像到的一些方法。

吳甘沙：發明了無人駕駛的一個實景圖象的模擬器，如果在城市建設方面我們也能有這樣一個模擬器，通過機器學習演算法，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，所以這也是一個政策上的問題。你剛才所說的，類似遊戲的方法，我們可以來了解一下這幾種不同的政策上的選擇。

吳甘沙：不說醫療數據，像電信運營商他們也有人們的出行數據，也許可以設計一個更好的城市布局，把超市放在哪，把停車場放在哪。您知道現在中國在開發新的區域、新的經濟帶方面有很多的動作，中國上個月最大的新聞就是中國決定打造一個建設雄安新區，以疏解北京的非首都核心功能。這樣的話，我們就可以從頭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慧的技術來設計這個新區的話，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。在講到未來可預測性越來越小時，在建設這個新的城市的時候，他們就應該考慮有些空間可以進行重新設計，以順應不同的功能。

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。在建立新區的時候也許可以考慮到未來無人車的可能性，在設計過程中要保持更大的靈活性。當然，這做起來很不容易。

本文由極客公園原創

轉載聯繫 xiangyunqi@geekpark.net

點擊播放 GIF/110K

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！