利用海量真实数据来“喂养”AI，是让AI快速提升能力的不二。有没有能够提升多种AI技术能力，又在潜移默化中完成数据学习的“天然AI养殖场”呢？ AI能认出“手残党”们的画，背后的原因在于无数人类正在通过自己的脑洞AI，学习众多人类对某个物体的抽象画之后，AI就能够把握住识别绘画的关键部分。 利用海量真实数据来“喂养”AI，是让AI快速提升能力的不二。但猜画这种临时养殖场只能提升单一能力，应用价值不高。有没有能够提升多种AI技术能力，又在潜移默化中完成数据学习的“天然AI养殖场”呢？ 今天的电子地图，已经是城市海量地理数据、交通数据、人流数据、天气与水文数据，以及各种交通线与出行方案的结合。对于AI来说，地图是一片水草丰美（数据够多），营养充沛（有效数据比例大），经济价值高（关乎经济民生）的天然牧场。 让我们分别来看着三种“AI喂养方案”。当然，用地图培育AI的根本目的是让地图本身不断升级，最终组成良性循环。 想象一下：你到了一个陌生城市，俩眼一哪也不认识，但是你知道要去火车东站，这时候不借助任何设备，你也会知道：绝对不能往西走。 事实上，人类的大脑没连着卫星，平也不可能存储大量地图数据。但迷的人却只占少数。这是因为人脑中有个叫做海马体的东西，它负责帮人类判断感空间感，从而进行选择性预测。 也有科学家认为，海马体不仅控制认这个功能，还直接影响着人类做出选择、做出对未来预测的能力，可以说是人类智能的关键因素——但是怎么探索海马体的秘密呢？毕竟不能把人类海马体摘除了看结果对吧。 今年早些时候，DeepMind在《自然》发表了新的研究：他们把一个智能体放到地图数据中，在不给它预设方位和地图数据的前提下，让AI模仿人脑中的海马体，自动在地图中需求，规划道。 实验证明：AI可以用像人脑一样，用增强学习的方式去认。这既阐释了人脑的工作原理，也给未来AI研究带来了新的方向。而整个研究的实验基础，就是建立在地图之上的。可以说没有精准的地图数据，AI仿生人类大脑进行空间预判的研究就无从谈起。 这个故事证明了，地图对于AI来说至关重要。AI在地图中学习，并反过来让地图更好用，似乎是我们应对越来越复杂城市时的一个良性循环。 让一个城市可以智能起来，让积水、堵车、雾霾这些糟心事不再发生，是人类畅想了几十年的话题。但城市到底怎么才能够“智能”却是个巨大问题。有人尝试用认知系统，有人尝试用大规模的城市数据建模，但最终大家还是发现，让城市主动和聪明起来，是建立在地图数据基础上的。 举个例子：我们想要规划从家到公司，一般情况下可能用不到AI。但假如要规划从港口发到市中心一万吨货物，那么时间、地点、交通拥堵情况，需要配合的车、人、仓库、起重机，就成了一个复杂的数学问题。 如果凭经验去简单计算，可能搞出来的会是个费时费力的方案。而通过城市AI去学习相关地图数据，综合理解上述变量，就可以在最低限度影响交通、最快完成任务的情况下，给出相应的运输方案。 基于这种AI与地图的结合，IBM很早就了智慧星球方案。而它的老对手微软随后了城市计算业务，专门用AI去透视地图里的各种因素。 今天的地图应用里，城市数据和AI的深度结合已经能见到很多案例。比如：谷歌地图的智能停车场功能，就是当地图你到了某个停车区域的时候，利用AI来综合判断附近的停车，给出最优停车方案。 可以看到，很多传统的地图无决的问题，在城市AI的下开始找到了钥匙。城市智能的硬功夫，也正在被地图的多元化和高精化培养起来。 前提是确实有这样的复杂任务存在。生活中大部分我们要让AI做的事情，要么就是过于简单，要么就是主观性太强，AI再强也不好理解。 毫无疑问，地图是海量地名、段、时空关系的结合体。假如：我们想要先去加个油，再去买个东西，再去公司拿个东西，最后回家的任务。那么就会产生一段涉及4个地点信息，3个事项的复杂语音任务，基本相当于绕口令。 事实上，除了之外，我们生活中是很难产生这么复杂的语音任务的。就像猜画小程序要用游戏的方式征集大家对某个物体的抽象理解一样，地图也正在基于实用性，征集大家的语音语料，以及复杂的语音任务。 这场已经初见，3个月之前，我们看到百度地图面对绕口令一样的语音命令，只能用“你敢再说一遍吗”回怼。而在月初的百度AI开发者大会上，百度地图已经真的可以识别“绕口令”生成线，解决复杂长语音多地点需求。 就像有了彩电就没人看黑白，动动口能完成的事儿当然没人愿意打字。语音交互可以在用户试用地图的过程中不断学习，反过来将新的解决方案在地图应用送实验。梦见杀人不见血 文章由325棋牌提供发布 |