从AI城市智能简史来看,城市到底需要什么?

2018-03-22 23:15      脑极体 未来科技范


  【未来科技范 报道】3月22日消息,很长时间以来,我们在常识中认为乡村是应该先于城市而生的。但事实上,越来越多的考古发现证明,人类创造城市这东西可能远比历史记载中更古老,也更疯狂。

  从环地中海城邦到南亚次大陆,再到我们熟悉的黄河流域,众多上古遗址向世人表明,先民早就建造了功能完备、体系分工明确的城市聚落。相比于建造城市,人类真正一直头疼的事情是,认识城市。

  毕竟城市这东西很麻烦,人多、路多、房子多,堆在一起简直一团乱麻。后来我们在计算机和大数据、AI技术到来之后,想了一个最新认识城市的办法:给城市安装智能。

640.jpg

  相信大家都听过各种“智慧城市”“智能城市”等等项目,保不齐你的家乡就正在建设当中。但给城市安装智能,我们认识和掌控城市真的就很清楚容易了吗?

  好像也不是。截至2017年底,国内已经启动建设和规划的“智慧城市”“城市大脑”相关项目已经超过500个,产业相关企业超过1000家。

  在这个庞大的产业链上,又有着“智慧城市、未来城市、城市计算”等等名词和称谓,普通吃瓜群众很难分清他们的区别自不必提,跟不少业界人士一聊。得,其实他们也晕。

  今天咱们来尝试遮住这些真真假假的“名头”,看看城市智能到底是怎么发展出来的,每一个阶段又都经历了什么样的变化。

  这条线索搞清楚了,或许才能判断我们的城市到底需要什么?

  数理建模型城市

  其实用数学和运算的方式来推断城市走向,给城市发展提供依据,并不是近几年才发生的事情。就像很多计算机与智能相关命题的出现时间,都远远早于公众认识时间一样,城市的智能计算,也差不多是一门“爷爷级技术”。

  早在上世纪60年代,美国一些高校就提出用数字技术帮助城市发展的概念。虽然当时还没有明确的城市+智能命题,但其通过数理方式给城市建模,分析城市的交通、人口、建筑与资源的未来走向,已经可以看做是“智能城市”的先驱。

  当时芝加哥等一批城市采用了这类方案。但很快市政厅就发现,计算出来的城市数据千奇百怪,根本与实际不符。毕竟计算技术不达标的前提下,城市模型还停留在十分粗糙的阶段,很快这种想法就退出了历史舞台。

  这时的城市智能还处在概念与设想阶段,但用数据+运算的方式带给城市智能,已经为几十年后的爆炸式发展奠定了基础。

  数据可视型城市

  2008年,已经在IT企业服务领域摸爬滚打惯了的IBM,突然将橄榄枝伸向了城市政府与管理者,提出了著名的智慧星球计划。

  IBM的方案中强调,城市基础建设不应该离开数据建设,通过数据来重新认识城市,能够避免管理混乱和资源浪费,从而帮助城市良性发展。在全球经济危机背景下,强调绿色与高效的智慧星球计划快速升温。2009年美国迪比克开始了世界上第一个智慧城市建设,将城市交通、水电、建筑等数据进行收集和整理。

  在这之后IBM在巴西、加拿大等国家先后推出了类似项目。IBM的老对手微软也推出了类似的计划,命名为“城市计算”。

  这种收集城市数据进行存档和可视化的技术,在2010年之后开始在中国生根发芽。很多企业视此为良机,借助国内各城市基础建设快速上马的机会,不断在国内市场推出“复制款”。我们今天看到国内绝大多数叫做“智慧城市”的项目都是如此,三大运营商、联想、神州、腾讯等企业都在为各地方政府提供类似服务。

  作为大数据时代的经典解决方案之一,城市的数据可视化确实能够解决不少问题。比如提供决策依据,寻找城市发展规律等等。

  但这种方案也有着显而易见的问题:这类方案收集到的数据绝大部分并没有实际用处,仅仅是“因为要数据,所以有数据”。毕竟一个城市每天真正生产的数据,用人工去读取一遍都不可能,更别说用人力来计算处理了。耗资巨万的智慧城市,也仅仅是帮助了决策者更好制定“想法”。换言之,城市居民真正能感受到的改变十分有限。

  这种城市之智慧,属于“了解城市”,却无法“改变城市”的特定技术时期产物。毕竟“中看不中用”的智慧,不是城市发展的成就之际。

  场景应用型城市

  之后的变化,来自于我们熟悉的人工智能。

  为什么很多城市的“智慧”缺乏应用价值?原因在于智能设备没有办法对收集来的数据进行自动反馈和处理。于是城市这个庞然大物就只有感知,没有动作。

  人工智能技术带来的机器视觉、多模态传感技术,以及通过算法进行反馈计算,正在让情况好转。

  比如说路况的红绿灯和摄像头,假如只是让摄像头拍照和监控,那么城市本身的体验并不会提高。但如果摄像头记录的数据回传给系统,系统可以依据车流量主动调节红绿灯时间长短,那么城市交通效率显然就会提高。这种依据数据主动进行城市调节的技术,正在让城市智能从重数据向重应用方向改变。

  今天能看到很多这类案例开始在我们身边的城市里扎根。比如最早阿里云在广州的互联网信号灯项目,以及滴滴进行的“AI+交通”计划,就是在交通场景中通过AI感知和计算能力,来提高交通效率。

  再比如BAT纷纷布局的智慧机场项目,是根据对机场进出航班的数据监控,来智能调节停机坪和跑道使用情况,从而提高机场运作效率,提高乘客体验。

  类似的场景在城市中还有很多,但场景应用型的城市智能也并非没有问题。核心一点就是,这类智能方案只能聚焦小的场景,解决局部问题。但城市毕竟是一个整体,规避城市的大流量和复杂结构来谈城市智能,只能是一种权宜之计。

  场景应用性技术难以满足城市发展长期需要,也难以从宏观上进行城市智能自动化。

  智能大脑型城市

  设想一下,假如我们想要让智能来处理更大的城市问题,需要什么条件?

  比如市民中心修在哪里对交通带来的压力最小;比如流感疫情爆发,城市提前预测并调配医疗资源相应;比如电动车被偷了,如何能在10分钟内找到嫌疑犯;比如,城市公共资源如何弹性应对奥运会这样的冲击,快速给出智能策略。

  在技术层面来说,这些设想当然是可以的。但前提是整个城市必须有统一的数据传输和处理中枢。它负责收集全城各个领域的数据,然后集中进行运算和分析,给出最佳解决方案。

  阿里云的ET城市大脑已经开始了这个层级的尝试。从在杭州的实验,到各个城市的复制和普及,ET城市大脑的特质是它并非一个单场景解决方案,而是整体考虑,进行全域数据收集和自动处理的智能系统。

  城市就像一个超大硬件,大脑则让这个硬件变成了智能硬件。前不久,两会上科技部部长万钢在讨论人工智能时,重点提到了ET城市大脑,将其作为中国AI技术的代表之一。

  其实ET城市大脑也不单纯是使用了AI技术,而是用AI的感知方式,加上大规模数据传输能力与运算,再反向生成城市智能的主动服务。从而让整体智能指挥各系统协同运作,达到管理者、机器智能、城市空间的结合。

  这样做的好处是显而易见的,比如可以通过大规模协同智能,调动城市诸多细节去解决一件事。比如实时给救护车形成一条高速通道。长远来看,给城市安装大脑的意义在于可以将城市的智能水平不断拓展和提高,越来越多的传感装置、算法和解决方案进入后,城市会越来越聪明。积少成多才有可能达到量变,比如我们一直希望的城市可以不再限行。

  这种解决方案目前来看具有足够的前瞻性,但问题是准入门槛非常高,需要在计算体系、AI技术、数据感知与处理技术等多个领域满足城市大脑的需求,是名副其实的“重型科技”。所以目前世界上也只有阿里云提出并成功实践了城市大脑这个概念。

  回看整个城市智能的发展,可以说是经历了“让城市有想法”—“让城市会说话”—“让城市手脚能动”的三个阶段。但在手脚能动这个阶段,很多人都尝试把手和脚捆到一起产生协同。这显然是不成立的。手和脚之间,需要大脑的协同,城市智能开始进入“让城市有大脑”这个新阶段。

  需要警惕的是,在城市智能快速发展的十年中,城市面临的难题也在野蛮生长。超大型城市、空气污染、生产资源濒临枯竭,智能化的脚步并不足以抵消或解决城市面临的困境。

  而与此同时,AI技术的发展,城市数据的叠层累计,包括自动驾驶和无人设施,都在成为城市智能的推助剂。但传感器、分布式智能体数量的爆炸与城市大脑计算力的发展不匹配,很可能会导致畸形发展,“四肢发达,头脑简单”,从而 “四肢失调”。究竟城市大脑能否跑过城市“城市头疼”,可能是未来十年人类的命运共同旋律之一。

  而在给城市加上大脑以后,下一步城市智能还能如何升级,也是个有意思的问题。对普通人而言,可能更希望的是能够切实感受到城市智能,甚至可以随时呼唤城市智能的服务。

  在城市大脑之后,能不能打造出“城市的毛细血管”,好像是一个巨大的脑洞。

相关阅读