AI的瓜藤上,究竟哪一颗先熟?

摘要:记者带着这个疑问,重新采访了工业、医疗、教育、城市管理等多个领域的专家,试图找出那个离AI最近的垂直行业。

人潮涌动的2019WAIC世界人工智能大会展馆内,大屏幕上滚动播放着“城市大脑”接管下的城市,各种机器人、机械臂上下翻飞,每家公司都展示出自己最新的AI研发成果和案例,然而在涌动的人流中,无论参展者、观众,还是专业人士、媒体人,都似乎都在同时带着一丝焦虑,思考和寻找一样东西——真正落地的、大有前景的AI应用。

除了以视频识别为核心的生态圈之外,人工智能产业界仍在苦苦追寻可以规模商业化的AI场景和模式,AI需要闻到更多商业化的味道,才能推动产业更进一步。《IT时报》记者带着这个疑问,重新采访了工业、医疗、教育、城市管理等多个领域的商业领袖和技术专家,试图找出那个离AI最近的垂直行业。

AI遇上工业

工业,也许是人工智能的最大受益者

1913年,福特发明了流水生产线,拉开了现代工业大生产的序幕。转眼100年光景,和1.0时代的机械制造相比,当下的工业4.0时代是实体物理世界与虚拟网络世界融合的时代,高度灵活、个性化、数字化......这些新关键词背后,几乎每一个都离不开人工智能。

人工智能不仅是一个“风口”,更是一个时代,它出现的意义绝不仅仅是机器人的批量生产与应用,而是作为核心驱动力驱动产业结构、城市形态、生活方式和科技格局的颠覆式变革。

创新工场董事长兼首席执行官李开复大胆判断,如果2030年AI将为中国带来200万亿元GDP的提升,那么其中1/4的价值将来自于AI对传统行业的赋能,而不是黑科技。工业,正是人工智能的重要受益者之一。

No.1

电网:AI搭建云化虚拟电厂

“你想象过这么大的展馆,突然停电吗?”在2019WAIC世界人工智能大会上,国网上海市电力公司总经理阮前途突然向前来采访的记者发问。

为了保证整个大型展会的正常供电,从电厂、输电线、大变电站、小变电站、电缆再到现场这些环节必须在掌控之中,因此,“城市绿色环保最强大脑”至关重要,这也意味着要对每个环节进行感知,感知运行状态,感知设备周围的动态。

“高可靠性”的背后,是对运行状态“全面感知”的泛在电力物联网。所谓泛在电力物联网,就是要实现人机交互、状态全面感知、万物互联等。比如,泛在电力物联网中的“智慧保电系统”采用智能巡检机器人、智能监拍装置、无人机等,对核心保电区内的设备实施监控,解决了以往保电过程中拼时间、拼体力的人海战术,避免了人工巡视间隔内设备故障无法及时处理的问题;再比如虚拟电厂,其依托互联网和现代信息通讯技术,集合了新一代智能控制技术和互动商业模式,实现了分布式电源、储能、负荷等分散在电网的各类资源聚合和协调优化,以一种特殊电厂的形式参与到电力市场与电网运行的电源协调管理系统中。

“大家很熟悉的一个词是高峰负荷,要错峰用电,有时波峰时间也就几分钟,但为了这几分钟可能要付出几个亿的代价,但是,现在AI可以更好地分配资源。”阮前途解释。

城市虚拟电厂的构建与运行、世界会客厅等是泛在电力物联网建设十年甚至二十年之后的模样,在阮前途看来,打造泛在电力物联网,不仅仅是技术的革新,同时还是商业模式的创新,是实现综合能源智能商业化的关键环节。“未来,坐在柜台里卖电的场景将不复存在。”阮前途说道。

No.2

电气:AI值守在遥远的地方

上海电气是极少数拥有百年历史的中国装备制造业企业。2007年,当大多数人连“物联网”这个词都没听说过的时候,上海电气就已经推出了电梯物联网,2014年至2017年,上海电气又分别针对风电与电站推出了智能化管理平台“风云”和“Ellumix”,2018年,开始着手打造集团统一的工业互联网平台。

回忆上述每一段“AI+”的历程,上海电气集团数字科技有限公司总经理程艳表示,电梯是一种专有设备,需要具备远程诊断功能,以便发生故障时第一时间知晓,因此最早选择电梯物联网开始“触网”第一步;而风电作为一种新能源,总是分布在地广人稀的地带,同样希望做到少人值守,“除了从每个业务的诉求点出发,信息化也和社会发展也推动了我们的变革,从两化融合到工业4.0、工业互联网,再到中国制造2025,外部环境的发展带来了很多新的技术,物联网为服务业务的开展奠定了基础,同时‘无人值守、有人值班’的风场运维模式也直接降低了风电运维的人力成本。”程艳说。

No.3

飞机:无人机检测机身瑕疵

很少有人知道最新的中国商飞CR-929采用的是何种材料?近年来,炭纤维复合材料的使用可以大大减轻飞机的重量,非常节省燃油,也受到了中国商飞的青睐。

不过,飞机作为空中交通的主要工具之一,安全性一直是比经济性更核心的关键问题,如何保证用在飞机上的材料上没有任何瑕疵?中国商飞正从以前的人工检测转变为AI检测的模式,“以前要检验材料是否完好,需要工作人员使用登高梯,现在有了云端的AI学习平台之后,通过前期大量有缺陷样本的训练,AI就能快速准确地判断出什么样的材料是有缺陷的,通过装有高清摄像头的无人机拍摄回传照片,大大减轻了劳动力。”中国商飞相关人士介绍,再加上5G助力,有时现场检测需要立即上传数据并得到回复,5G的低延时发挥了很大的作用。

No.4

汽车:柔性生产与众不同的每一辆车

当工业设计与定制化走到一起时,会产生怎么样的化学反应?上汽大通负责人介绍,用户可以自行定制车辆,包括颜色、前格栅、内饰、座位数量等,而不再是传统的只能在高配和低配也就是说,你很有可能不会和别人“撞车”,“对于个性化定制的车,是模块化生成,根据订单要求把模块组装在一起,就像快餐店一样。”

能够实现“快餐模式”的是上汽大通在南京的智能工厂,汽车制造是流水线工作,加入了供应链数字化改造后,流水线式的加工链路被彻底优化,变为生产线跟随每一个订单的加工流程。每一个从C端来的订单,都有一个独立的ID,后续所有零配件、生产、装配环节,都将对应着这一个ID来进行。

“数字化系统”是这个“智能工厂”的灵魂,比如打通了供应链数据,让每一辆车的订单数据能够实时传递,每一个订单都将实时发送到相应的供应商手中,再进行备货送货。“这样也解决了库存积压问题,可以及时消化。”上述负责人告诉记者。

No.5

机械:机电装备能“自愈”才是真智能

“现在很多人提出了柔性制造,也就是说未来的工位可能不会是固定的,机器会变得像人一样,哪里需要我,我就过去,这要求人工智能发展到一定程度后才会实现。”程艳畅想。

智能工厂里最“科幻”的场景,当属穿梭在车间里的近百辆AGV无人小车,它们会根据预设的行进路线自动至零部件仓库取货并补给生产线。“就好比公交车有规定的专用车道一样。”在程艳看来,人工智能未来的发展可以是自组织、自决策、自感应的。

但是,人工智能在工业领域的应用也还有不少问题需要解决。中国工程院院士高金吉表示,虽然设备检测诊断技术向数字化、信息化、智能化发展,但机器故障必须依赖人来解决这点始终没有改变。

“有必要深入研究机电装备复杂系统动力学行为,通过自诊断预测和主动控制在运行中抑制和消除故障,让机器故障从完全依赖人工‘治愈’到可以在运行中‘自愈’。”在高金吉看来,机器产生自愈力可抑制可能产生的损坏力,如果说人工智能会使机器更聪明,自愈可让机器更健康,这也是“智能机器”进化的方向。

AI遇上教育

上海学生的十二时辰正在被AI浸透

“8月1日小学劳技教室,8月27日生命科学实验室……”在一位家长的手机上,清楚地记录着孩子暑假期间的到校活动,甚至可以看到孩子在学校里花4.2元买了一罐牛奶。在上海市建青实验学校,从买点心饮料的自助贩卖机,到借体育器材的体育馆,再到借书的图书馆,学生们都可以“刷手”来完成购买、借还等动作。

“王小明同学在学校西面围墙边摔倒”,一则消息同步发送给班主任和保健科,校医检查后将学生的伤情同步给家长。为了避免各种校园安全事故,上海中医药大学附属闵行蔷薇小学用AI搭建起了一个“隐形盔甲”,及时发现楼梯拥挤、学生打架等一系列安全事故隐患。

上海学生的十二时辰正在被AI浸透,AI应用的“上海模式”首先在教育场景里落地,其中有教育场景的天然需求,也有上海政府的政策倾向。

“如果说纽约是个从不睡觉的城市,那上海连坐下来的功夫都没有。”《纽约客》特约撰稿人Patricia Marx的这句话依旧可以拿来形容今天上海人工智能发展的速度与勤恳。

在不遗余力发展的同时,上海应该思考什么?“什么才是AI+教育最合适的落地场景”,“什么才是AI+教育的试探的边界”……这是近来AI+教育最关注的话题。

No.1

落地应该走哪条路?

在卢湾高级中学的AI实验课上,几位学生合力做出了一个智能分类垃圾桶,清洁工不需要再问,你是什么垃圾?AI垃圾桶会直接告诉你,你是湿垃圾还是干垃圾。

9月开学后,卢湾高级中学又多一个新名字——商汤科技实验中学,学生们将借助AI教材、SenseStudy AI实验平台、自动驾驶小车、编程小车学习AI基础教育课程。

商汤科技创始人汤晓鸥表示,“原创”如何变为“源创”,唯有源头活水来,给AI创新加三点水,它就能活起来,其中一滴水就是普及人工智能教育,向K12领域延伸。

谁来教?如何教?如何学?这些问题都是K12 AI基础教育需要考虑的基本问题。去年,商汤在上海出版了全球第一本高中版AI教材,今年又发布了《人工智能入门》四册,已经推广到百余所中学,解决了AI基础教育如何教的问题。AI教学只有教材是不够的,要让学生动手,于是商汤搭建了AI实验平台,包括自主驾驶小车、编程小车等。同时,商汤培训了1000多位一线教师,解决谁来教的问题。

2019WAIC世界人工智能大会首日,科技部公布了最新一批国家新一代人工智能开放创新平台,10家企业名单涵盖了基础软硬件、AI视觉计算和图像感知层面的企业,包括华为、依图等,也涵盖了不同行业领域的AI领头羊,其中AI+教育领域的好未来入选。

也许家长们没有听过好未来,但必然听过它旗下的学而思教育机构,从怀孕期用的妈妈帮,到早教阶段的熊猫博士,再到小学阶段的励步英语、学而思数学,这家教育机构每年投入超10亿元的研发经费,想要用AI来赋能全生命周期的教育产品,可以想象的是,如果数据和产品一旦打通,它将拥有中国课外教育最完整的数据。

到上海去,不论是好未来这样传统的教育集团,还是科大讯飞这样的AI企业,都有相似的想法——上海的家长是最能接受AI教育的一群人。好未来在上海市长宁区打造智慧教育示范平台,在卢湾一中心小学试点,通过还原学生学习轨迹打开“黑匣子”,发现学生的能力倾向和缺点劣势,从而因材施教。科大讯飞则拿着第一款教育C端产品智学来到上海,想要复制在安徽将一名中考学生的化学成绩从不及格提高到将近满分的案例,科大讯飞要走的路显然与好未来是不同的。

商汤走的路是铺设基础教育的轨道,好未来走的路是从娃娃抓起,贯穿全生命周期,而科大讯飞走的是小米的爆品突破之路,不过,什么路都要有人走。

No.2

AI发展的边界在哪里?

如果说科大讯飞是借助自身在语音识别方面的优势,开始向AI+教育等行业延伸。那么,英语流利说则是一开始就在AI+英语学习这个细分领域里深耕。

在今年世界人工智能大会上,一个占据80平方米的展项《平行世界》成了网红。观众用手势启动程序后,就可以从外太空来到上海,跟随AI朗读一段文字,观众就可以穿越时空隧道,与平行世界的自己相遇,AI会使用与观众相似度极高的“声音”与其进行全英文互动,整个过程只需要2分钟。这是英语流利说布设的展台,它想要通过这个展示项目说明什么?AI已经可以模仿用户的声音,这需要大量的数据做基础。

图灵奖获得者、中国工程院外籍院士、卡内基梅隆大学教授Raj Reddy是人工智能界的“老法师”,他在接受《IT时报》记者采访时说道,人工智能翻译一种语言至少需要收集10万条语音信息。

那么,让AI在2分钟内模仿某个人说话需要多少数据呢?英语流利说曾在2019年第一季度公布过一个数据,他们已经积累了一个庞大的中国人英语语音数据库,累计用户练习录音约23亿分钟,共约309亿条句子,涵盖小孩到成人不同年龄的用户群体,而且熟练程度不一、地理范围广泛。

从AI仿声到AI换脸, 科技向善成了2019WAIC世界人工智能大会最热的衍生话题,继用户质疑ZAO App有收集人脸信息的安全隐患后,课堂人脸识别再次被推上舆论的风口浪尖。

9月2日,全国开学第一天,一张图片在网上刷屏,课堂上,趴桌子几次、玩手机几次、睡觉几次、举手几次、阅读几次、听讲几次,都被摄像头捕捉,因为印有旷视的logo,这被认定为是它的视觉AI系统。旷视因此备受大众质疑,回应称这张图片只是一个概念演示,但其实类似的AI课堂分析系统已经开始进入课堂。

南京中国药科大学在课堂上安装人脸识别系统,学生无法逃课或替同学签到,关键是学生在课堂上的一举一动都逃不开这套“鹰眼”。

AI课堂分析到底有没有侵犯学生的隐私?老师先分成了两派,“为了(敦促)你学习,你还抱怨,请问你还是学生吗?”中国药科大学图书与信息中心主任许建真表示,学校已向公安部门和法务部门咨询,由于教室属于公开场所,因此不存在“侵犯隐私”的说法。

北大附中朝阳未来学校语文老师唐伊豆则对雷锋网表示,不赞成AI摄像头分析进入课堂,教室是存在隐私的,它更像是一个特定的师生群体共有的空间,“用摄像头考勤可以接受,但采集和监控课堂行为是一种过度的介入,它暗含着对教师、对学生的不信任,会影响师生共同建设的一个安全互信的、自在舒适的环境。”

在欧美,人脸识别推行困难,旧金山等美国城市通过立法禁止该技术,英国首例警用人脸识别案于近日开庭,而瑞典GDPR第一案——瑞典学校因使用面部识别技术登记学生出勤率而被罚款20万。

今年8月,全国人大常委会审议的民法典人格权编草案稿中,针对收集、处理自然人个人信息有了明确规定,要求必须“征得该自然人或者其监护人同意”等,而且把个人生物识别信息也纳入保护的范围。

AI遇上医疗

有一天,AI能让医院、医生围着病人转

传统医疗模式下,当之无愧的核心毫无疑问是医院。随着人工智能的发展,就医模式逐渐发展成以用户体验为中心的智慧医疗服务,也许未来有一天,医院和医生可以围着病人转。

相关报告显示,到2025年,AI应用市场总值将达1270亿美元,其中医疗行业将占据1/5的市场份额。从看诊、治疗到制药,AI都没打算错过。

No.1

AI读片遍开花

医疗影像与人工智能的融合已经成为业内最被看好、最可能率先商业化落地的领域之一。

医疗影像的发展直击我国医疗资源不均衡的痛点,数据显示,我国每年医学影像增长量超过30%,而每年新增的放射科医生只有4%。

2015年,IBM就出资10亿美元收购了医疗影像公司Merge Healthcare,这是人工智能医学影像领域的标志性事件。在之后的两年时间里,国内同类型公司在发展中获得了超过40亿元的融资。根据亿欧智库发布的《2019中国医疗人工智能市场研究报告》,我国医学影像企业数量达到了57家,位居医疗细分场景企业榜首。2018年一场针对甲状腺癌的AI读片大赛里,医生的平均读片时间为45分钟,准确率74.46%;智能超声仪时间为1分36秒,准确率90%。很显然,人工智能的胜出也为AI读片的试点铺平了道路。

复旦大学附属中山医院的肝肿瘤外科也将医疗影像作为医院迈向人工智能的重要一步。有别于传统的观察法,速度快是人工智能读片带来的最直观感受,仅仅30秒人工智能就可以将病灶的可疑区域标注出来,辅助医生完成初步筛查的工作。人工智能的工作原理是基于模仿医生的阅片逻辑及大量数据的学习,通过数据预处理、图像分割、特征提取和匹配判断即可做出较高准确度的判断结果。目前,中山医院的标注系统已经能实现90%以上的准确率了。

复星旗下的杏脉科技推出了业内首个肺癌全流程诊疗协作系统。医生利用AI辅诊软件在胸部CT影像上进行病灶检出,3mm以下微小结节及磨玻璃结节也可灵敏识别,能够有效降低“误报、漏诊”等意外。

联影医疗首席执行官薛敏认为,医疗影像与人工智能的融合将不止于此。“现在的应用还比较单一,很多医院应用的早期产品大多与肺结节筛查、X光芯片等AI诊断相关,真正能解决更多的、更复杂的临床疾病的AI产品还没有真正成熟起来。”

基于上述理念,联影自主研发了一款智能化快速扫描技术,当患者进入扫描间时,摄像头能精准捕捉患者的行动和姿势,识别年龄、身高、体重等信息并自动推送给设备。根据这些信息,设备可以自动形成患者需要扫描的参数,减轻医生的工作量。

来自英国NHS的首席医疗科学官Simon Eccles认为,AI在医疗影像应用只有完全脱离了医生的辅助才算真正具有价值。他希望,在未来,人工智能能够完全独立地进行图像识别,而不是需要反复插入医生检查这一环节,“现阶段,医生并不会放心将读片的工作完全交给人工智能,这就需要技术的不断成熟来帮助他们实现这一跨越。”

No.2

医疗数据标准统一难

在人工智能与医疗的碰撞中,数据是绕不开的话题。按照当前技术发展的逻辑,人工智能要想走向成熟必须要仰仗海量的数据进行深度学习。西门子医疗数字事业部全球首席执行官Peter Koerte就认为,只有大量的数据才能将传统学习和深度学习真正区分开来,但是由数据所辐射出来的隐私、伦理、管理问题也备受关注。

国际电信联盟高级顾问Simao认为,数据的集合以及利用是目前日AI医疗面临的巨大挑战,“罕见疾病的数据如何获得?不同主体的数据集应该如何管理?在数据领域内需要进行全球范围内的对话。”

目前,我国仍然缺乏标准化的高质量训练集,使得各家人工智能企业采用的数据训练集标准多样,系统偏差比较大,常常会造成不同公司之间的合作壁垒,从而制约着产业发展。强生医疗心血管及专业解决方案总经理王金鹤认为,只有结构化和标准化的数据才是资源,才能真正流通起来,否则数据也会沦为垃圾,“一旦数据有了一定的规范约束,才能更好地保护病患的隐私,才能守住数据安全的底线。”

中国工程院院士、上海交通大学医学院附属瑞金医院副院长宁光认为,目前AI发展进入了“无人区”,全球都面临着相同的问题,虽然没有太多的经验可以借鉴,但相关法律规范必须要提上议程。宁光还指出,AI与制造业的结合面向的是生产环节,而医疗健康领域的AI应用最终面向“人”,“大家都充分重视实景状态下的隐私权,如肖像权、病历上的名字、年龄等个人信息;但是AI采集中会涉及到群体隐私,包括某一病种的群体,如艾滋病患者,他们的隐私保护需要关注。”

另外,复旦大学附属华山医院信息中心主任黄虹认为,与医疗行业相适配的人工智能方面的人才还存在很大缺口,医院目前接纳的技术人才大多还是传统意义上的“码农”。此外,整个大环境还没有形成教育与医疗之间的联动,在校学生大多并没有适应当前正在进行的医疗变革。

AI遇上自动驾驶

老司机,肯定还是AI稳

无人驾驶作为人工智能技术的重要应用,一直是国家重点战略重要发展方向。2019年4月,国务院印发《新一代人工智能发展规划》,提出从无人驾驶汽车与智慧交通两个层面,大力发展智能运载工具。工信部印发的《促进新一代人工智能产业发展三年行动计划(2018-2020年)》提出到2020年,建立可靠、安全、实时性强的智能网联汽车智能化平台,重点区域车联网网络设施初步建成。

上海作为创新发展的先行者,于2018年初就率先在全国发放了第一批无人驾驶牌照,全力推动智能网联汽车产业的发展。今年,全国首个商业化自动驾驶叫车服务也即将登陆上海。伴随着业界对自动等级与安全等级双管齐下的呼吁,无人驾驶汽车规模化量产正在倒计时。

No.1

滴滴:首辆无人出租车即将落沪

不久前,滴滴已经将负责自动驾驶业务的部门剥离出来,升级为独立公司。滴滴出行CTO兼自动驾驶公司CEO张博表示,“AI for transportation”将是滴滴未来的科技战略,以人工智能赋能交通。

“在过去20年,互联网、移动互联网基本解决了信息流动的问题,滴滴希望解决的是物理世界人和物体的流动,每天在地球上有大量人的流动和物体的流动是非常低效的,浪费了大量的能源和人类的时间,造成了伤亡、尾气排放以及社会问题。在未来20年,这些都会发生结构性的变化。”张博说。

所谓的结构性变化,张博认为包含了以下三层。首先是交通基础设施,如红绿灯的控制,可运用大数据和人工智能进行优化,假使从东向西的路上没有车,那么从南向北的车能不能直接通过?利用大数据制成的城市模拟系统也可以开放给城市规划部门,从而了解修建一条马路时可能影响到多少人的出行。

其次就是纯电动车和智能驾驶为交通工具带来的变革,最后一层是共享出行的变化。未来,共享单位将从车辆降为座位,减少一辆车被闲置在停车场的时间,而且将出行需求两两合并也是降低拥堵的有效手段。张博认为,城市道路之所以拥堵频繁,很多时候就是因为发生了交通事故或不合理的变道,而这些都可以借助自动驾驶先进的感知能力以及车与车之间的通讯协同得到改善。

“自动驾驶已经从1.0的原型验证阶段迈入2.0阶段,真正面向产业化、商业化。这里面需要共享出行运营商、无人驾驶技术公司、汽车生产制造商齐心协力才有可能让无人驾驶汽车安全上路。这也是为什么滴滴会在一个月前成立无人驾驶的独立公司,就是希望充分跟产业链上下游形成紧密联盟,一起加速产业化和商业化进展。”张博说道。

自动驾驶亟待解决的另一个痛点在于,目前在滴滴的网络成交率里有25%的订单是乘客发出却没有司机接的,面临比较严重的供给短缺,所以无人驾驶技术还将提供重要的运力补充。

张博表示,滴滴很快就会在上海落地安全合规的自动驾驶出租车服务,总计将在嘉定部署30辆无人车,行驶里程超过10公里,这将是中国首个商业化自动驾驶叫车服务。届时在上海区域使用滴滴App就可以看到自动驾驶的新入口,在入口区域任何两个点发车就会有无人车过来接人。值得一提的是,这项服务使用的是混合派单模式,如果用户的出行需求超出了嘉定区域,滴滴就会把订单派发给人类司机。

No.2

自动驾驶“双L4”已来

中国工程院院士李德毅认为,自动驾驶即将进入规模化发展期。“2030年要实现人工智能高地,如果我们预测做得好,到2035年每年生产的就都是全自动车了,届时L4无人驾驶汽车大概会有4.4亿辆。”

李德毅表示,未来交通可能导致独角兽的四个应用场景包括自主泊车、定点接送、快速公交和有限地域无人驾驶出租车。以自主泊车为例,有时候车主开到地下停车场再走回办公楼就要花15分钟,如果汽车懂得“自己去、自己回”,就能解决一个很大的痛点。

然而,当自动驾驶要落地时,比起车辆本身的自动化程度,老百姓更关心的是安全问题。因此,李德毅提出应制定自动驾驶安全等级中国标准,也即以特定地区自动驾驶可靠性为导向的安全管理等级划分和度量方法。例如L2可以在田园行驶,L3可以进入厂区,L4能上公路,到了L5才能进市区。不同自动驾驶等级的出错率不一样,就好比L2的出错率应控制在1%,也就是开了100次,其中1次需要人为接管。

“L4是需要人接管的时候,如果人不响应,它还有办法,所以自动驾驶聚焦L4量产已成定局。”李德毅说道,自动驾驶更应该做的是聚焦“双L4”量产,驾驶自动程度等级与驾驶安全程度等级双双达到L4才是定局。

No.3

建一个安全的车路协同网络

李德毅指出,不同驾驶场景可能发生的典型事故都是长尾分布,如港口矿山运输、高速卡车编队、轿车城市道路等,让同一辆车应对所有窗口是不明智的。自动驾驶难在边缘和小概率上,现在依靠的主要是四个技术支撑:结构化道路、确定性窗口、人车路联网协同(5G+V2X)以及软件定义的机器。所以,自动驾驶离不开智能网联。

“看视频差几秒为题不大,但是开车差个几毫秒就可能把人压死了。发挥5G超高带宽、超低时延和超大连接能力是解决智能网联的当务之急。”李德毅呼吁。因为汽车摄像头在不同天气、不同时段的红绿灯识别无法做到100%,如果自动驾驶汽车上安装了5G信号的接收器,由5G基站发信息告知此时此刻有红灯,或者距离红灯还有多少毫秒,那么汽车对交通信号就不需要“感知”,直接“认知”了。

5G覆盖后,车辆上的传感器负担就能适当地降低。一旦实现了道路数字化与交通要素联网,自动驾驶车辆连做SLAM(即时定位与地图构建)的功夫都省了,直接通过微地标位置播报就能得知当前在什么地方,完成运动中车辆同步定位和地图同步更新,也有助于自动驾驶测试评估。

李德毅认为,智能网联在上述基础上,还可以发展车内部件数字化并联网,届时汽车已经不再是最佳单位,发动机、刹车片、方向盘、油耗等诸多参数都可以联网,让交通管理更加有效。

不过,根据上海临港智能网联汽车研究中心有限公司总经理苍学俊发布的智能网联汽车信息安全行业摸底成果,机会与风险显然是并存的,伪基站、网络劫持、Wi-Fi弱密码、蓝牙、OBD不安全设备接入、木马吸入等渠道都可能带来车辆非法入侵和用户数据泄露的安全隐患。

苍学俊表示,经评测发现,新势力造车由于有互联网背景,对软件信息安全控制得比较好,国内自主品牌车型则暴露了几倍于其他种类制造商的漏洞,例如操作系统版本低、车主App未加固等。苍学俊建议整车厂着重“修炼内功”,加大对供应商方案的安全审核,提高网络系统内核水平。

AI遇上城市

智慧城市,我们离彼岸的距离还有多远?

人工智能已成功出圈,即使普通人也在讨论AI,不再局限于学术圈;由AI造就的智慧城市,也即将从不远的未来向所有人走来。2019WAIC世界人工智能大会期间,上海沿陆家嘴到世博的滨江带,打造了一批智慧城市“样板间”——从无人驾驶、智慧酒店、智慧商业,到智慧楼宇、智慧养老、智慧医疗,将浦江东岸滨江带描绘成一幅全球领先的“AI生活新画卷”。

科技,打造智慧城市;智慧,塑造美好生活。无人驾驶,将为城市的交通拥堵、空气污染和停车难等问题提供解决方案;智能医疗,将改善城市医疗资源不均衡和公共资源匮乏等问题……所有这些应用,都是人工智能给我们带来的智慧城市生活愿景。

No.1

全球城市纷纷发布“智慧计划”

在全世界范围内“智慧城市”探索者并不在少数。意大利米兰市副市长Roberta Cocco表示,米兰正在进行非常宏大的数字化转型战略规划,一是通过5G基础设施建设将米兰市内超过200个数据库进行链接,二是为市民创建数字档案,提升政务服务效率。

韩国首尔市经济政策室室长Cho InDong则表示,数据是智慧城市的基础,首尔市政府想要建立5万个遍布城市的IoT传感器,以获取城市市政、行政管理及市民活动所产生的数据。“首尔关注三大指标:智慧的基础设施、智慧的服务和智慧的信息。我们希望能够有一次传感器的革命。”Cho InDong说道。

现如今,智慧城市更像是城市的大脑。越来越多的城市大脑都在累积数据,获得更高效、智慧的城市管理治理实践。特别当人工智能被广泛运用到城市管理中时,能有效应对城市运行的痛点、难题等。

阿里的城市大脑利用实时全量的城市数据资源全局优化城市公共资源,即时修正城市运行缺陷,实现了城市治理模式、服务模式和产业发展的三重突破。从交通治理上看,阿里城市大脑可整合城市交通相关的信息,通过“感知-研判-指挥-处置”的全闭环流程实现道路交通的智能管理,提高城市交通服务的承载力和运行效率,改善城市运行环境。

又如,垃圾分类目前正在全国各地如火如荼地推行,生活物品千千万,准确分类却很难。支付宝垃圾分类小程序让用户轻松拍摄手边垃圾便可准确分类,其背后是计算机视觉、自然语义分析、知识图谱等人工智能技术的应用,让AI助力环保公益,成为老百姓垃圾分类的小助手。

No.2

尚处于“弱智能”阶段

目前的智慧城市主要建立在互联网、移动互联网以及物联网等信息系统的基础上,让城市具有像人一样的智慧,通过基础信息网络设施的建设,智慧城市能让城市中的建筑、基础设施与家庭服务系统等之间相互传递信息,使得城市可以自己读懂和了解未来所需要面对的问题。

因此,智慧城市与移动互联网以及物联网技术是紧密结合在一起的。“互联网仅仅是把PC连接起来,移动互联网主要连接的是手机,而物联网则连接所有设备。”华东政法大学高奇琦、刘洋在《智慧城市有断网风险,智能城市是未来方向》一文提到,移动互联网通过无线技术以及宽带把各种移动终端连接起来,而物联网则能做到万物互联,即每一个物联网设备就是一个信息采集终端,这些采集到的信息被收集、分析、处理之后,可以帮助人们更好地理解城市治理的规律,同时对城市治理中的问题,特别是基础设施和公共服务所面对的问题能更好地作出预警。

随着人工智能逐渐发展,很多产品、技术都冠以人工智能的名字,但是实际应用落地仍然多停留在个案环节。“事实上,现在的人工智能离真正的智能路还很远,AlphaGo的例子只是在一个特定场合特定场景下实现了真正的人工智能,所以人工智能整体距离还很远。”上海工程应用技术大学副校长王岩松表示。

中国知网常务副总经理张宏伟则认为,人工智能分为计算智能、感知智能和认知智能阶段,目前的人工智能还处于感知智能阶段(弱智能),语音识别和视觉识别是这一阶段最为核心的技术;当前,人工智能处于从“不能实用”到“可以实用”的技术拐点,但距离“很好用”还有很多瓶颈限制。


作者/潘少颖 孙妍 李蕴坤 李玉洋 徐晓倩

编辑/挨踢妹

图片/网络

来源/《IT时报》公众号vittimes

分享到:
全部评论

分享到微信朋友圈