您好,欢迎访问

图片展示

人工智能用在这样的地方才真的叫普惠

发表时间:2018-06-01 11:12:47

在今天,人工智能的概念非常热,但是大多数人依然觉得AI是离自己的生活特别遥远,觉得AI与自己没有什么关系。比如,无人驾驶虽然是AI落地的一大应用场景,不少厂商也正在无人驾驶领域持续投入,但目前都没有拿出太多让大众满意的成果,也不太让人放心。毕竟,从国内到国外,无人驾驶的事故已经不止一两出了。

Siri之后,普通人接触最多的人工智能或许就是这类手机智能语音助手。但对于市场上各种智能助手,人们习以为常是各种对话调侃,因为人们都知道这类语音助手的咨询等很难解决人们的需要解决的问题,因此人们给予最多的评价是“人工智障”,其鸡肋的一面被展现无遗。

u=2786957444,2128630895&fm=27&gp=0.jpg

而千人千面的信息流被吐槽为 “信息茧房”,它更多地扮演了时间杀手的角色等,对于人们生活中的实际问题解决非常有限。

人工智能是未来的趋势与生产力的大变革,这点没有疑问的,问题是它如果要从纸上谈兵走入寻常百姓家,其实需要的是真正普惠的应用,能带给普通民众带来更直接的社会价值,才可以让人们切身的感受到人工智能所给生活带来的改变与便利。

高德地图积水地图AI版究竟改变了什么?

在目前来看,高德地图最近与中国气象局公共气象服务中心达成战略合作,为应对汛期出行共同推出的积水地图AI版,就是非常典型的具有普惠价值的人工智能应用。

为什么这么说呢?我们知道,每年汛期,由于缺乏及时的预警信息,城市洪涝与道路积水都会给民众出行带来麻烦,尤其是遭遇大的洪涝灾害,开车出行如果对于深度积水区缺乏了解,甚至会造成巨大的人身伤害或财产损失。

timg2.jpg

但是,这几乎又是一个无解的难题,因为城市道路积水受到多种因素的影响:包括气象、道路、排水、交通等。而传统的气象信息服务,大都是比较被动的信息获取方式,信息滞后的现象比较严重,在准确性、及时性和覆盖广度等方面存在不小的欠缺。这也是过去许多城市针对洪涝积水实时预警发生偏差的原因。

过去传统的气象服务的另一大短板还在于人们获取的基本是城市范围的气象信息,在颗粒度上不够精细。但是如果要细化颗粒度,将这种传统的气象服务与地图的LBS属性结合起来,是否就能较高的预知道路积水情况了呢?

显然这是可行的。早在2016年,高德地图就首创并开发上线了积水地图,它的做法是让各地交警提供的权威数据以及用户也可以自行上传身边的积水点信息,通过官方审核即可上线,以完善数据的不足之处,为其他市民出行提供参考。

但是也有人曾经提到过积水地图的局限性,即城市的路面状况以及降水量都是动态变化的。而积水点是死的。因此,如果不能实现道路状况的实时更新与预测,那么“积水地图”会有不准确的情况发生。

这可能就是高德地图这次与气象局合作,并拿出了积水地图AI版的重要原因。我们看到,高德积水地图AI版相当于为之建立了一个机器学习的模型,输入各种相关的历史数据,包括道路大数据、交通大数据、历史易涝点数据以及历史降水数据等,然后可以根据算法做数据交叉分析,不断对模型进行训练和完善。

当恶劣天气出现时,再将实时的精细化降水数据输入该模型,就能够智慧、及时地、动态的预测城市中严重的道路积水点,并在高德地图上生成积水事件。

图片1.png

另外,高德还将引入交管、防汛等管理部门的更多权威数据,并持续优化AI模型,这样一来,其数据维度更加立体化,对道路积水信息的预测更为准确及时。最后,每个积水事件还都会有海量用户进行可信度验证,进而再次提高积水信息的准确性。

而在接入中国气象局的权威数据之后,道路与天气情况均可以及时预测,可为用户当前位置、指定POI地点和基于出行路线的更精准的气象信息服务。比如说当前高德地图最新版已经新增了沿途天气,长途出行会展示沿途哪个路段会有恶劣天气,用户长途出行可以基于此及时规划正确的路线。

这意味着什么?意味着对普通用户来说,在暴雨天气就可以准确避开积水路线的信息,长途出行决策、出行规划、出行导航、目的地等出行全周期,均可以有更及时、更立体的气象信息服务。这对于那些在暴雨洪涝等恶劣天气已经“在路上”的人们来说,其重要性不言而喻,可以说,它给生活带来了真正的便捷。

这显然是AI应用落地上的一大创新。

高德积水地图AI版,千人千面信息流机制落地到AI地图上的有效尝试

如果我们认真去细究一下会发现,高德积水地图AI版它在本质上与千人千面信息流等AI应用是一样的,千人千面的信息流智能推荐机制目前多数用于各种内容平台上,比如今日头条,它的本质是根据算法做数据分析来精准判断匹配用户感兴趣的内容并进行推送,因此每个人基于兴趣与偏好不同刷出来的内容都不一样。然后再通过不断完善算法的逻辑,不断喂养大数据,让信息针对用户的推送更为精准。

高德积水地图的AI版的本质是将这种AI信息流的玩法放到地图应用上。但是所不同的是,高德采用的是机器学习的模型,本质上它是通过实时的精细化气象数据与可复用的算法策略,对道路积水这个具体应用场景注入海量的数据训练集,让机器形成正确和快速判断。

微信图片_20180531195027.png

机器学习最需要的就是数据和训练,通过喂入数据进行计算,在大量数据资料的运算中得出准确的信息。

而高德不断喂的海量大数据包括道路、交通、易涝点数据以及用户上报UGC数据与历史气象数据,从这些数据维度来看,基本上是囊括了各方面的立体型的数据维度,而数据越多自然越权威、精准,模型训练得也就越完善,对积水判断就越加精准。后续再通过互联网用户的交叉校验,就可以达到更准确的结果输出。

可见,给生活服务带来附加与增值价值层面,高德地图正在通过自身的这套AI机器模型来突破交通行业与出行用户的更高层次的痛点。而相比与普通地图常规玩法,它更像是三维打二维,将地图应用的前景与未来可以拓展的想象空间拔高了。

为什么说这个AI应用有普惠价值?

过去每年汛期,由于道路积水预警不及时不准确,伤亡或财产损失都让人痛心,甚至很多城市暴雨时会发生惨剧,但从今天来看,高德能通过AI模型智能预测道路积水点,并基于强大的用户触达和出行调度能力,帮助人们在出行时规避涉水路段,AI加持之后,这种年复一年的损失与惨剧都是可以避免的。

从另一个层面来看,高德“积水地图”的上线在为市民在汛期的安全出行提供了权威可靠的交通信息参考,通过AI加持的切实的去解决现实生活中特殊时期的出行的难题之外,还赋能交管部门及时有效的传播信息,梳理交通,让城市交通的信息传播与管理有了全新的思路。这或许才是AI的真正魅力之处。

可以看出,高德通过AI与信息、数据、地图服务、识别能力的结合,与真实世界形成连接,最终完成真实的产业价值与社会价值的蜕变。

它的价值还体现在它的可复制性上。可复制性过去经常会用来检验一套方法论与一套商业模式与逻辑的价值,看它是否能应用与一个行业或者一个领域,对于AI的应用落地亦是如此,AI的落地如果仅仅停留在个案与特殊性场景应用上面,那么它的价值就无法沿袭与扩展。

很显然,当前高德地图的AI模式是具备可复制性的。一方面是这种AI+千人千面的信息流可以应用到更多城市交通规划等更多领域上去的,比如说,这种AI地图机器模型可以运用于计算人们出行的行为来计算交通流。比如上下班、接送小孩、高低峰上街等产生的交通流,进而研究不同时段的交通特征。

另一方面,该模型既然可以用于道路的积水预测,自然也能应用于同类型的积雪预测以及各种天气气象问题的解决,比如当前用户可以通过打开高德地图的沿途天气功能,在地图路线规划时可以展示对应的天气动效。而针对团雾、空气污染、气象旅游等诸多天气气象问题,均可以运用这同一套机器学习模式来预测与解决,为更多的社会领域带来价值。

与此同时,这套数据模型或许还可以扩展到AI金融、医疗、生活服务诸多方面。与行业紧密结合捆绑、更好的解决真实世界的需求与连接,这或许就是AI的惠普价值所在。

结语

在过去,人们知道谷歌AlphaGo能打败国际级顶尖棋手,但这种AI能力并没有延伸到现实层面解决具体生活问题。人们对于AI的讨论与认识,也多建立于理论的空想与概念谈论层面,因为几乎没有杀手级应用来将AI真实连接能力与解决社会问题的能力落地。

但是,当AI真正来的时候,或许跟我们想象的不一样,它更像是以一种润物细无声的方式来消无声息的渗入,并逐步解决了我们现实生活中的难题。而企业之间的AI竞争,最终也还是要落点是否能普惠民众和经济。

只有回归场景与产品之中,通过可复用的技术模式落地并与实际应用场景、现实需求结合,才能让人们明确并感受到AI所带来的价值与意义。在如何与现实结合并解决传统领域与人们刚需相关的实际问题,高德的做法与探索或许具备一定的启发意义。


今日推荐




最新资讯 更多+
上海宝亿微信公众号
上海宝亿微信小程序
添加微信好友,详细了解产品
使用企业微信
“扫一扫”加入群聊
复制成功
添加微信好友,详细了解产品
我知道了
沪ICP备16003781号-1