從智能交通角度，看2020年十大科技趨勢

事先聲明，這不是一篇科幻題材的文字。

有人讀過后可能覺得某些描述略顯科幻，但我想說明的一點是，科幻是脫離現有科技水平而做出的對未來的描述，而本篇則是基于現有的科技水平而做出的合理推測。這是本質上的區(qū)別。

對于這個標題，如果你知道阿里達摩院最近公布的2020年十大科技趨勢的話，我想若第七條——人工智能從感知智能向認知智能演進——實現的話，那么AI向人類打招呼的場景將很可能名副其實。

事實上AI還很稚嫩，但2020年5G的大規(guī)模商用，以及由此而產生的某些嬗變，將會為大數據、云計算以及IOT提供肥沃的土壤，而這些技術，某種程度上將成為AI的“四肢”與工具。

本篇文章不打算從一個宏大的角度去切入這些科技趨勢，而是從交通這個點上，具體來說通過提出解決交通問題的某種設想，來談談我對于今年十大科技趨勢中某幾個趨勢的看法，以及一些有趣的推測。

交通問題究竟是什么問題？

既然要解決交通問題，那么我們首先要明白——什么是交通問題？

有讀者可能要舉手，交通問題不就是堵車撞車那些糟心事兒嗎？說實話這么說也沒什么不對，但這種理解不夠深入本質。

我們先來做一個小游戲，這個游戲的名稱叫做漸進式交通系統(tǒng)搭建。

我們的道具很多，小房子、小汽車、輪船、飛機、自行車、電動車……還有很多模型人。

現在我們開始玩游戲。

首先我們在場地中只放模型人，他們可以走來走去，就像古代人一樣，事實證明模型人之間不存在交通問題。

其次我們放入馬匹和馬車，這個時候，少量的交通問題出現了，但因為馬車和馬匹占據所有交通主體的比例較低，交通問題依然屬于小事兒。

再然后，我們在場地中放入很多房子，房子之間形成街道，街道形成網絡，同時開始出現自行車、摩托車和少量汽車，這個時候，交通問題開始浮現出來，并成為現代文明的噩夢之一。在這里邊，行人在街上走著將可能遇到人、自行車、摩托車或汽車，但他接收路況信息的方式和古代人并無區(qū)別，而需要面對的情況卻呈幾何倍數增加。

最后，我們加入大量的汽車、電動車、自行車以及密集的人流，這就是現代交通，雖然擁有著地球上迄今為止最為先進的文明與科學技術，然而交通問題每年仍在帶走成千上萬人的生命。

那從這個漸進式交通系統(tǒng)搭建中，你是否察覺到交通問題產生的某些關鍵因素？

從第一階段到第二階段，說明交通的信息量在增加；從第二階段到第三階段，說明交通信息的多并發(fā)屬性在明顯加強；而從第三階段到第四階段，則說明交通的瞬時信息量和并發(fā)量已經超出了人類掌控的范圍。

而在我看來，現代交通問題的本質就在于這兩點，概括起來就是信息不對等以及“數據產生速率與數據處理速率的不匹配”。

在現代交通系統(tǒng)中，人、車、路構成基礎的三維立體結構，但因為這個系統(tǒng)中各影響因子密度的急劇增加，信息量會呈現指數級別的增長，而且各影響因子之間信息無法共通，最終造成種種交通問題。

這種信息不對稱，同時表現在時間和空間上，前者的不對稱造成信息因為遲滯而出現“堰塞湖”現象——即信息會在某個時間點上呈現出一次性爆發(fā)的特點，而后者的不對稱則會造成交通問題的復雜化——后者可能因此成為交通問題的組成部分。

信息不對稱的直接后果就是產生大量的待處理數據，并且隨著時間和空間的變化更加復雜，而這都將考驗人們對于數據處理方面的能力。

所以這就像個惡性循環(huán)，現行的交通規(guī)則和管理體系基本上都是在后一階段發(fā)力——即打斷數據產生的根源，同時盡可能快地進行處理。

不得不說，這種方式對于過去百年間的交通狀況都是一個很不錯的方案，但到了近幾年，因為交通系統(tǒng)中影響因子呈幾何倍數的增長，純靠人力的這種交通管理系統(tǒng)正面臨著嚴峻挑戰(zhàn)。

換而言之，對交通系統(tǒng)而言最大的變數已經產生——如果任由信息不對稱的情況下繼續(xù)發(fā)展，那么將無法單純依靠“現場處理、現場控制”這樣“治標不治本”的方法進行交通系統(tǒng)的有效控制。

所以，人們將目光瞄向了智慧城市和智能交通領域。

而這個領域的核心技術，就是阿里達摩院提到的某幾條，比如機器間大規(guī)模協(xié)作，比如AI從感知智能向認知智能演進，比如云計算的發(fā)展。

智能交通：“讓機器管理機器”

技術的發(fā)展其實就是解決問題，同時促使整個系統(tǒng)的升級。所以我并不單單分析技術在某個方向上的發(fā)展，因為落腳在問題上，一個問題的解決往往需要多種技術齊頭并進。

就比如交通問題，我們?yōu)榻煌▎栴}尋求的解決方案名字就叫智能交通，但智能交通是什么？許多人可能會描述科幻電影里的畫面，事實上那同樣是我們努力的方向之一，但人們可能需要更加真實可感的答案。

比如說，我們把智能交通具象化為一個人。

那么這個人的大腦就是AI，他的神經元既是數據收集器又是指令傳送器——同時也與每一個交通影響因子相連接，所有的交通影響因子得以做到信息在時空中的近似對等，而保障這一切的血管和毛細血管就是物聯網，而維持整個系統(tǒng)運行的基礎則是信號通道——也就是5G的相關數據通道。

說到這里其實很多人都能明白，智能交通是一個逐漸脫離“人治”的新的管理系統(tǒng)，它的核心便在于“讓人工智能凌駕于所有交通影響因子之上，來對整個系統(tǒng)進行管理”。

但在具體實行方式上，又存在著不同：一種方式是絕對中心化的，以某一個AI主體為絕對核心；另一種方式則是去中心化，每一個交通影響因子都有對應的AI系統(tǒng)，但AI之間可以進行機器間交流與協(xié)作；第三種方式則是兩者的融合，既存在更高等級的AI處理復雜多變的交通狀況，同時機器上的AI之間也能進行協(xié)作。

這代表著三種方向。

但這三種方向都是目前的技術所無法實現的，而阿里達摩院提到的十大趨勢中，則有著這三種方向都需要的技術進步。

首先說說AI相關的兩條：“保護數據隱私的AI技術將加速落地”，以及“人工智能從感知智能向認知智能演進”。

從智能交通的發(fā)展歷程來說，保護數據隱私的AI技術將可能更早應用并發(fā)揮作用，在交通領域來說，至少這樣的技術獲得突破后，我們可以比較放心地搭建較為完整的立體交通網絡。

目前城市出行中，各類汽車、自行車、電動車、行人等基本上也都有能夠標示自己位置信息的設備，但因為數據隱私問題，這些來自不同交通影響因子的位置信息并不能實現同步并共享，也就是說我們本來存在實現初步信息對等的可能，但因為數據隱私權問題而不得不擱置。

如果保護數據隱私的AI技術得以應用，那么智能交通將能夠邁出自己的第一步——整合位置信息資源，并應用于交通問題的預防。

這將直接令如今糟糕的交通狀況發(fā)生較大改變。

而“人工智能從感知智能向認知智能的演進”，則對于推動后邊智能交通的發(fā)展大有裨益，在我前邊列出的三種情況中，無論人們最終選擇哪個方向，人工智能都需要從感知階段向認知階段演進。

這里有一個重要的區(qū)分：如果說感知智能屬于通過公式去學習規(guī)律，并最終根據掌握的規(guī)律進行數據分析的話，那么認知智能更類似于它擁有了做選擇的能力，它通過對自身的分析去主動選擇學習什么。

換句話說，認知智能是意識的復蘇。

對于未來的交通系統(tǒng)來說，認知智能擁有更高效的預防能力和處理能力。當然，在令人放心的前提下。

其次是物聯網相關，也就是機器間的大規(guī)模協(xié)作。

它與數據隱私保護一樣，如果獲得突破，對于智能交通來說都將是一種巨大推動力。

機器間的大規(guī)模協(xié)作需要的東西在今天看來已經有所突破，無人車上的各種傳感器和中控系統(tǒng)，它們共同構成汽車的"AI“靈魂，而不同汽車之間AI的交流，就促成了物聯網的有效連接。

它們將可以在網上實現數據共享，同時會將汽車的信息傳送到沿途各處，這樣汽車之間相當于提前規(guī)劃好了一切線路，這種大規(guī)模協(xié)作一旦順利，那么也許有一天紅綠燈將會消失，所有的交通信號將成為穿行于汽車AI之間的”對話“。

機器間大規(guī)模協(xié)作的基礎就是5G，2020年隨著5G更大規(guī)模的商用化，相信會有更多項目落腳于此。

再然后，就是云計算。

我們不可能將一臺超級計算機裝進汽車里，而傳統(tǒng)意義上的計算機并不能承載AI的運算量，那么更大的可能就是，AI會藏身于云服務器，汽車內的只是一個云服務的顯示界面。

說回到當下，隨著物聯網的應用，以及機器間大規(guī)模協(xié)作的發(fā)生，大數據的產生與分析將前所未有地蓬勃，而回到人們生活之中，海量的信息則要隱匿于更加容易隨身攜帶或者更加集中化的設施中，那么承載計算的部分就必然會發(fā)生轉移，所以今年將會是云計算開始發(fā)力的一年。

總之，這幾種技術的突破將合力于一處，共同推動智能交通的發(fā)展，以及智慧城市的功能完善。

最后，說說AI。

其實這是個讓我有些毛骨悚然的事物。

我一直認為AI最終將成為人類技術發(fā)展結出的曼陀羅花，但我也發(fā)現自己的思維存在著局限性——我們以現有思維去思考一項另一種技術背景下的新事物時，很容易存在著偏見和短視。

就如中世紀時哥白尼宣揚的日心說，當時的人們看看太陽，又看看腳下的大地，誰會相信地球會繞著太陽轉。而當人類的目光突破了大氣層，望向了深邃宇宙，才知道那些令人沉默的真相。

也許在未來，我們所思及的那些對于人工智能的擔憂，在新技術的背景下將成為另一個時代的“愚昧傳說”。

如果真的這樣，也許我們該對AI說一句，歡迎來到我們的世界。