吳甘沙對話Tom Mitchell：人工智慧如何顛覆我們的城市 | GMIC 2017
雷鋒網按：4月27日，GMIC 2017（全球移動互聯網大會）北京站開幕。現場，馭勢科技CEO吳甘沙與卡內基梅隆大學電腦科學學院機器學習系主任Tom Mitchell進行了異常主題為“人工智慧如何顛覆我們的城市”的對話。在吳甘沙和Tom Mitchell看來，滴滴、Uber的出現改變了人們的出行方式，而自動駕駛汽車則會帶來根本性變革，城市的設計者們在規劃時也需要考慮到這一變革可能會帶來的影響，並由此引發了對雄安新區的探討。雷鋒網對對話全文進行了整理。
關於吳甘沙和Tom Mitchell
吳甘沙：馭勢科技聯合創始人兼首席執行官，創業前為英特爾中國研究院院長，英特爾首席工程師，領導了英特爾的大資料技術戰略長期規劃，並為中國研究院確立5G通訊、智慧計算和機器人三大方向。
Tom Mitchell：卡內基梅隆大學電腦科學學院機器學習系主任、教授，美國工程院院士，美國科學進展學會（AAAS）成員，人工智慧進展學會（AAAI）成員，美國《Machine Leaming》雜誌、國際機器學習年度會議（ICML）的創始人。他在機器學習、人工智慧、認知神經科學等領域卓有建樹，撰寫了機器學習方面最早的教科書之一《機器學習》，是機器學習領域的著名學者。
以下是對話全文，雷鋒網做了不改變原意的整理：
城市規模和創新的關係
吳甘沙：
Tom Mitchell您好！您是在賓州（賓夕法尼亞州）出生的，現在也在賓州工作，你覺得在賓州最有意思的事情是什麼？
Tom Mitchell：
我現在在賓州的匹斯堡，匹斯堡這個城市在過去三十年裡面發生了巨大的變革。匹斯堡曾經是美國的鋼都，當然還有足球隊，還有橄欖球隊。但是很快，匹斯堡的很多鋼鐵企業都破產了，在70年代的時候，我們城市出現了嚴重的失業問題。但是匹斯堡在這幾十年裡成功轉型，目前匹斯堡又一派生機了。
吳甘沙：
卡內基梅隆大學在匹茲堡成功轉型的過程中發揮了很重要的作用嗎？
Tom Mitchell：
當然卡內基梅隆大學發揮了重要的作用，但是與此同時，匹斯堡作為一個城市，它的成功轉型，其實是大學和當地政府和企業，以及非政府組織、工會等之間的協調之後的結果。匹斯堡的這些不同機構之間的合作是非常好的，也推動了這個城市的轉型。
吳甘沙：
這是一個巨大的成就，我也讀過經濟學家的一些著作，他們都把匹斯堡選為美國最宜居的城市之一，這個過程當中離不開創新。像匹斯堡這樣的城市，它的體量比一個小鎮要大50倍，因此它的創新能力要比一個小的城市大的多得多，大150倍。北京比匹斯堡要大50倍，但是我不認為北京的創新能力比匹斯堡要大150倍，您的觀點呢？
Tom Mitchell：
當我們討論一個城市的規模和它的創新能力之間的關係時，我們必須要問一個問題，那就是“一個城市的創新能力或者創造力，相對於它的人口數量，或者相對於人和人之間互動，是不是有關係？”城市的規模大一倍，人和人之間的互動的可能性就會大一個平方。我們也並不是那麼聰明，其實人和人之間的交流，思想的碰撞，才是產生創新火花的動力，所以人和人之間的互動和交流往往是一個城市創新能力的源泉。
如何解決大城市病的問題？
吳甘沙：
這個是大城市的優勢，人口多可能會碰撞出一些智慧的火花，但是它也有弱點，比如像北京這樣的大城市，有交通問題，會堵車，還有很多的交通事故。而能源的使用會產生空氣污染的問題，有些問題還可能演變成大問題。比如一輛車90%多的時間都處於一個閒置的狀態，北京有大約600萬輛車，但只有200萬的停車位，你在北京很難找到停車位。房地產的價格越來越高，空間越來越少，年輕人必須要住到很遠的郊區去，需要在通勤方面花費大量的時間，每天有10億小時的時間是在路上浪費掉的。如果我們追溯到以前埃及時代，當時造金字塔的時候，他們也就花了10億小時的時間，因為堵車這一件事情，每天大量的生產力被浪費掉。您覺得用該怎樣來解決這些大城市病？我不認為人和人之間的互動可以解決這些問題。
Tom Mitchell：
這個講的非常好，我認為，從某種程度上講，未來像微信這種線上平臺，可能會讓面對面的交流變得不那麼重要。
吳甘沙：
但是你要讓兩個人互相交流，還是要建立起一種信任。雖然我們通過微信以及其他技術降低了交流的門檻，但人類仍然需要面對面的交流，比如和朋友聚會吃飯。人有情感需求，就會因此產生不同的移動出行需求，很多問題不能通過網上線上的交流來替代的。在過去的幾年中，我們出行方式有了很多改變，比如Uber的出現，這樣一種網約車服務其實從某種程度上解決了人類出行的一些難題。
Tom Mitchell：
您講的非常好，共用服務改變了很多人的出行方式，這樣的服務可以根據你的需求提供相應的服務和解決方案，同時也可以創造很多新的就業機會。
吳甘沙：
滴滴是中國的Uber，每天的日交易量可達2100萬單，可以解決數百萬司機的就業問題。但是勞動的供應是有限的，不可能無限的擴大服務網路，總是有一些瓶頸的。從0到2100萬容易，但是從2100萬到4200萬很難，怎麼解決勞動供應問題或者說司機數量問題？
Tom Mitchell：
我知道你個人對這個問題很有研究，即便能夠招到2倍數量的司機來完成4200萬單的日交易量，但是污染問題、堵車問題仍然沒有解決，甚至會加劇。而真正合理的解決方案是盡可能把我們自動駕駛的技術量產化。有很多公司都在考慮把一系列的技術用於未來的自動駕駛，很多傳統汽車公司也在這麼做。我們不僅需要有自動駕駛汽車，而且好要以更優化的方式提供出行服務。自動駕駛的潛力非常巨大，能夠提高整個交通系統的效率，減少污染物的排放，降低能源消耗。
自動駕駛的進展和變革
吳甘沙：
這確實很讓人驚歎，由於擁堵、交通信號燈和十字路口規劃的問題，現在在北京駕車的時速是20公里/小時，如果能夠實現您剛才所說的，確實會是很大的提高。我想在座很多人可能不知道無人駕駛的鼻祖是Tom的學生。我發現卡內基梅隆大學在80年代就已經做了自動駕駛的相關研究，那麼在過去幾十年有什麼進展嗎？
Tom Mitchell：
電腦是一個比較機械、盲目的東西，對世界沒有感知能力。我想真正的革命是讓電腦變成一個能夠感知的機器，有視覺，也有聽覺，而且精准度也很高。這樣的話，在未來還有很多人工智慧方面的應用，你必須要有這種感知能力才能夠實現自動駕駛。
吳甘沙：
2015年，Uber從神經研究院還有卡內基梅隆的機器人研究院招募了40名科學家。
Tom Mitchell：
是的，因為Uber想要專門打造一個自動駕駛汽車的研究中心，現在這個自動駕駛汽車在這座城市裡已經可以上路了。Uber確實從我們那兒雇了很多人，大學對此不太高興，我們不想失去自己的人才。我想幾年之後，他們會意識到這對於匹茲堡這座城市來說其實是好事，與此同時，我們的機器人研究院為了替代這些流失人才又雇傭了大量人才，通過人才流動可以在這個地區建立起更大的人才生態系統。實際上這個技術上的挑戰是很大的，我們需要更多的人才來解決這個問題。這就回到您一開始所說的，如果我們把自動駕駛的研究人員翻一番，也可以使得創新能力翻番。
吳甘沙：
從卡內基梅隆大學出來的還有另外一家公司——Ottomatika，這家公司已經被德爾福收購了，似乎卡內基梅隆已經成為了這方面人才的孵化器。
Tom Mitchell：
在機器人方面，我們正在研究一些不同的應用，比如自動駕駛、採礦、農業種植等等，有一些比較容易，如果是一個比較小的區域，比如說採礦，就不會像自動駕駛的場景那麼複雜，因為不會有行人隨意穿過礦產區，還有無人機，還有蛇形機器人，可以進入到人沒法進入的非常狹窄的區域。還有跟人工智慧方面相關的，我們正在考慮將神經科學和人工智慧結合起來，也有這方面的跨界研究。
吳甘沙：
我們再來看一下歷史，交通出行改變了城市，在第一次工業革命之後，蒸汽機擴展了鐵路線，推動了鐵路的發展。而第二次工業革命之後，汽車的廣泛使用又改變了人們的出行方式，擴大了人們活動的範圍，改變了城市。現在我們又有了新的出行的可能，我們認為有了無人駕駛汽車之後，就不需要那麼多的停車場了。車可以停在郊區，城市的佈局就跟今天大不相同。我們是不是可以預測或者是模擬這種空間佈置的變化呢？
Tom Mitchell：
我覺得您說得非常好。我們認為自動駕駛汽車將會帶來根本性的變革，會更加深刻地改變我們城市的佈局。我們可以把現在這些昂貴的停車場變成綠地，而且我們還可以改善城市交通擁堵的問題。我們會看到現在都難以想像的一些新的商業模式的出現，就像當時Facebook這樣的社交媒體一樣。
而自動駕駛汽車可能會給我們帶來移動餐館，可能有無人機把披薩送到無人車上，然後再把披薩送到你的家裡，也許到時候醫生還可以上門提供服務，所以未來可能會出現各種各樣新的業態。現在我們還很難想像，所以我們也很難按照這樣的可能性去設計我們的城市。
一切都還有很多不確定性，我們不知道未來下一個技術革命會是什麼樣的方向，所以我們在設計城市佈局的時候，也許可以設計一些空間，讓那些無人機或者是自動駕駛汽車可以降落或者停靠。下一個一百年和過去一百年的區別在於，這種變革的速度會快很多，而城市設計者也要為這種難以預測的變化做好準備。
如何用人工智慧來幫助城市規劃？
吳甘沙：
我們都知道Alpha Go已經在圍棋比賽中打敗了人類冠軍，而接下去我們不知道它是否會在更加複雜的比賽中取勝。在我們小的時候玩過SimCIty，就是模擬城市的建造，不知道是不是可以用機器學習的技術，比如說深度強化來進行SimCity這樣的遊戲，模擬未來城市的建設。這樣的話，就可以把所有的這些不確定考慮在內，來進行預測或者是模擬未來城市的運行。
Tom Mitchell：
您剛才所說的這個很有意思，如果我們可以對城市進行這樣的模擬的話，SimCity這個遊戲可能還過於簡單了，難以從事這個任務。如果我們再把它加深一下，真正來模擬幾百萬種城市建設的方式，也許我們也可以學到如何管理城市可能出現的不可預測的情況，甚至可以發現我們現在還沒有意識到的一些方法。
吳甘沙：
無人駕駛有實景圖像的模擬器，如果在城市建設方面我們也能有這樣一個模擬器，通過機器學習的演算法，來預測或者進行模擬的話，我們可以看到未來城市的演進。
Tom Mitchell：
還有一些非常艱難的政策抉擇。比如說，如果城市使用網上的醫學資料來控制傳染性疾病或者是新疾病的發生，這些也是一個可能的新的應用，但這也可能會涉及到隱私的問題，有些人不願意在網上分享他們的醫療資訊。另一方面，這些資料卻可以給我們帶來很好的管理經驗，所以這也是一個政策上的問題。如您剛才所說的，類似SimCity這樣的遊戲方法，我們可以瞭解一下這幾種不同的政策上的選擇。
吳甘沙：
不說醫療資料，像電信運營商，他們也有人們的出行資料，也許可以設計一個更好的城市佈局，把超市放在哪，把停車場放在哪。最近最大的新聞就是中國決定設立雄安新區作為副中心，北京太大了，所以政府想要疏解首都的非首都核心功能。這樣的話，我們就可以來重新從頭來設計雄安新區的基礎設施。如果在這個過程中應用一些人工智慧的技術來設計這個新區的話，我想肯定是一件非常棒的事。
Tom Mitchell：
我覺得這確實是一個非常好的機會，這也是中國獨一無二的一個特點，可以進行這樣的新區開發。在建設這個新的城市的時候，他們就可以考慮有些空間可以進行重新設計，以順應不同的功能。如果在五十年前我們就考慮到這些問題的話，也許我們就不會建造我們現有的這些機場了。在建設新區的時候，也許可以考慮到無人車的可能性，在設計過程中要保持很高的靈活性，當然做起來很不容易。
吳甘沙：
這是我們的願景，也是一個永無止境的學習的過程，我們對此非常期待。謝謝Tom Mitchell和我們進行分享，也謝謝各位。