閱讀 :467

以下為李開復博士演講內容，雷鋒網在不改變愿意的情況下進行編輯：非常有幸作為未來論壇的理事，跟大家分享一下對智慧交通的看法。

人工智能在全世界是最重要的技術，當然也會應用在智慧交通上。

我們特別期望人工智能會催化未來交通行業的進步，這也是創新工場投資非常重要的領域之一。

智慧交通的數據量，比今天大一百萬倍我們認為，人工智能的來臨有四個波潮。

 第一波是互聯網智能化，通過調用互聯網大量數據，讓互聯網網站、APP變得更聰明；第二波是商業智能化，把很多商業公司多年留存的數據激活并產生商業價值；第三波是實體世界智能化，把真實世界里很多過去非數字化的行為數字化上傳；第四波是全自動智能化，無人駕駛、機器人等進入商業應用。

智慧交通涉及的主要是第三波、第四波浪潮。

 今天的出行有各方面的問題，從擁堵到PM2.5，到安全事故、疲勞駕駛等，要解決這些問題，就要有信息流，能實時知道到底多少車在運行，什么地方可能會有擁堵。

人工智能是需要數據驅動的，智慧交通也是。

谷歌、百度等互聯網公司有很多數據，銀行、保險等也可以把已存的數據拿出來用，但交通領域很多場景沒有數據，比如“每輛車開在什么地方”。

提取這些新數據的關鍵是布置更多的傳感器。

 零售、倉儲、物流、教育、醫療、農業等領域的升級需求，將會促使傳感器的普及。

隨著傳感器越來越普及，有很多基礎的事情會被改變，比如并行計算、平行計算越來越重要。

怎么存儲比今天數據再大一百萬倍的數據量？今天在淘寶做一次點擊只產生非常少的數據量，但要知道一輛車每兩秒鐘走到什么地方，需要的數據量非常大。

摩拜+滴滴，基于大數據做交通精準預測下面我用幾個公司作為案例，講一下大數據對智慧交通的作用。

 摩拜單車，本身就是智能傳感器，每一次你用摩拜的時候，尋找、開鎖、騎行、結費都會產生數據，利用GPS、藍牙、熱探測器，不斷地把行車信息傳遞到網絡上，實現智能調度。

這樣產生的數據量有多大呢？非常驚人。

摩拜第一次見中國移動的時候，表示一臺車需要一個SIM卡，說出700萬數字的時候，中國移動幾乎不能相信。

而現在，中國移動1%的SIM卡都提供給了摩拜。

 摩拜的一臺編號為No.0210010680的單車，從去年4月21日開始投入使用，一年后被騎行了1180次，出行距離2623km，每兩秒鐘上傳一次信息。

所有摩拜單車每天上傳的信息量超過20TB。

滴滴的數據量更大，可以做出精準的預測與判斷。

交通基礎設施難以改變，但是可以通過智能調度，提高交通的效率。

舉個例子，滴滴不但可以告訴你，今天哪些車會在哪里；一小時以后哪里有車；哪里需要車；還可以預測未來的車會在哪里、某人什么時候需要車。

 王堅博士在阿里巴巴做過一個演示，挑一個城市，在城市里面布置人工智能，讓紅綠燈更智能。

當有一大批人往某個地方走的時候，給他們放行，或者一輛救護車來的時候，讓救護車先走。

 紅綠燈的時間和頻率，根據經過車輛的流量來修改。

結果表明，在一個擁擠的時間段，這個城市平均的交通效率提升15%，救護車到達現場的時間縮短了50%，這是一個非常簡單的未來城市大腦和智慧交通雛形。

  搜集的數據不只是傳上去，還能夠實際應用。

比如計算機視覺在智慧交通方面的應用，我們投資的Face++有一個真實部署的案例，可以識別誰在闖紅燈，將臉部捕捉到，直接把罰單寄到他家里。

當兩個人站在人行道上，插著手在這邊，更可能是在聊天，突然進入人行道概率很低，但如果兩個人身體前傾，證明進入人行道的概率會比較高。

行駛的車根據這樣的預測，做出準確的、安全的判斷。

人不可被信任，自動駕駛必須一步到位無人駕駛到底什么時候來？創新工場的看法是，無人駕駛必須一次到位，沒有所謂的人機協同駕駛。

 這句話怎么理解？谷歌公司做過一個有趣的實驗。

他們在內部招募了一批志愿者，每人發了一輛測試用途的自動駕駛汽車，并告知他們：用于測試的汽車并不完善，仍然需要志愿者坐在駕駛位置，隨時準備應對汽車無法處理的路面突發情況。

但谷歌發現，志愿者幾乎很少聽從這個忠告。

因為在絕大多數情況下，谷歌自動駕駛汽車表現得非常好，完全可以自如應對路面上發生的各類復雜情況。

這樣一來，幾乎每個志愿者都會100%放心地將駕駛操作交給汽車，自己則利用乘車的時間，做起任何自己想做的事情來：有乘車時看地圖的，有乘車時看視頻的，有乘車時躺在后座打盹兒的，有乘車時跟女友親熱的…… 這次測試讓谷歌明白了一點：一旦自動駕駛汽車達到了足夠高的水平，車內乘客就會想當然地將所有操控權交給汽車。

無論這時候自動駕駛汽車的軟件是否還有風險，無論路面上那些極端的路況是不是能被自動駕駛汽車正確處理，車主都不會保持100%的高度警覺。

 人其實是不可被信任的，谷歌認為，要保證自動駕駛的絕對安全，就一定不能依賴于人的參與，無人駕駛一定要一步到位，能夠應對所有（至少是極其接近100%的）極端路況。

自動駕駛應先做高速公路和貨車自動駕駛的提升需要大量數據，一步到位怎么積累數據？ 我們認為，自動駕駛必須在場景方面有所限制。

比如說：可以先在景區、停車場、機場、清潔車、垃圾車、貨車等限定場景，確保安全后，再嘗試高速公路貨車的自動駕駛，然后再做普通客車、普通街道的駕駛場景。

 創新工場投資的馭勢科技，就是做限定場景的低速自動駕駛，不存在危險問題。

這種簡單的場景，同樣可以搜集大量的數據，而且沒有安全問題，把數據收集起來再迭代。

 在北京的道路上，無人駕駛沒有人開的好，因為會有各種突發現象，比如不可預測的小孩跳出來，在胡同會遇到堵車。

但是在高速公路上，無人駕駛已經開的比人好了，因為高速公路更可控。

 貨車其實是非常好的無人駕駛應用，因為里面沒有乘客，大部分在高速公路上飛奔，可以收集數據，沒有危險。

還可以用跟隨的方法，第一輛卡車有人監督，后面的車是全無人駕駛，只要跟著前面的車就行。

在未來，路權可能會受到智能調整，比如上班時，大部分車往城中開，下班時開回郊區的車更多，路權會隨著人的需求調整，而急救、火警等車輛也會得到優先路權。

人類是智慧交通的最大阻礙在未來，AI會進入每一臺汽車，讓它們變成真正的無人駕駛。

汽車可以彼此提醒，爆胎了，就提醒周圍的車小心一點；當兩個車走同一個方向，就并到一起，節省能源。

當他們分開的時候，就各自往不同的道路走。

這個時代來臨，會給人類出行帶來很大的改變。

 但無人駕駛仍然面對很多的阻礙。

最大的阻礙是什么？你們自己往左往右看一看，就是人類。

其實大部分交通事故是人造成的，人會有情緒，會心情不好，會走神，會犯錯。

當無人駕駛做得很好的時候，把人拿掉，不但可以增加安全度，也能讓整個交通更有預測性。

 還有人的固化思想。

當汽車剛出現的時候，有一個法律出臺，要求汽車上路，須有一個人在汽車前面拿著紅旗引路，免得騎馬的人被嚇到，這是非常愚蠢的法律。

另外，無人駕駛還面臨道德障礙。

在美國，一臺無人駕駛車如果撞了人，總要做一個抉擇，是不是機器人殺人，怎么樣解決道德問題。

 我們需要一個非常明確和有效的法律，能夠在不傷害人類的前提下，讓科技先行，要相信大量的數據迭代，一定會讓人工智能帶來更好的無人駕駛體驗，帶來智慧交通的時代。

 我相信，在未來十五、二十年內，智慧交通將是人類社會最大的一個催化器，當資本的力量、行業的力量加上頂尖人才投向這個領域，所有的挑戰都會被解決。

下一篇:張朝陽：視聽產業要持續成長就必須尊重規則 下一篇 【方向鍵 ( → )下一篇】

上一篇:蓋茨：如果再次輟學創業，我會選這三個領域 上一篇 【方向鍵 ( ← )上一篇】