对话《机器学习》作者 Tom Mitchell：人工智能如何颠覆我们的城市

编者注：当下我们在谈论「人工智能」时，其实更多的是在讨论一些「产品化」的内容，例如它将如何影响未来汽车的发展，如何让智能家居变得真正「智能」起来，如何改善搜索、邮件等软件的使用体验……

毫无疑问，人工智能将在不远的将来彻底改变我们赖以生存的世界，而我们城市的形态、布局，城市居民的生活方式所受到的冲击应是最为深刻的。

基于这一话题，驭势科技联合创始人兼 CEO 吴甘沙，以及卡内基梅隆大学机器学习学院教授兼院长 Tom Mitchell，在 4 月 27 号的 GMIC 大会上来了一场「炉边谈话」，一起聊了聊人工智能和我们城市的发展能够产生什么样的关联。

以下内容是根据两人的对话整理而成，略有删减。

城市规模和创新能力成正比？

吴甘沙：Tom Mitchell 您好，你是在宾州出生的，现在你也是在宾州工作，你觉得在宾州最有意思的是什么事情？

Tom Mitchell：我生活在宾州的匹斯堡，关于这个城市，它在过去三十年里面发生了巨大的变革。匹斯堡曾经是美国的钢都，但是很快这些钢铁企业都破产了。特别是在 70 年代，我们城市出现了很多失业问题，不过匹斯堡在这几十年里面成功转型，现在它又一派生机了。

吴甘沙：卡内基梅隆大学在这其中发挥了很重要的作用？

Tom Mitchell：是的。与此同时，匹斯堡作为一个城市，它的成功转型是大学、政府、企业、公会还有非政府组织在协调之后的一个很好的结果。

吴甘沙：我们讲动物其实也是遵循这样一个规则：动物体型越大，它的心跳速度就越慢。像匹斯堡这样的城市，它的体量比一个小镇要大 50 倍，因此它的创新能力要比一个小的城市大的多得多，要大 150 倍。北京比匹斯堡要大 50 倍，但是我不认为北京的创新能力比匹斯堡要大 150 倍。你的观点是怎么样？

Tom Mitchell：当我们讨论一个城市的规模和它的创新能力之间的关系，我们必须要问一个问题，就是一个城市的创新能力或者创造力，相对于它的人口数量，人和人之间互动是不是也有关系。我们自身其实并不是那么的聪明，我们互相之间交流，人和人思想的碰撞，才是产生创新火花的动力，人和人互相之间的互动和交流往往是一个城市创新能力的源泉。

吴甘沙：这是大城市的优势，人口多，大碰撞可能会碰撞出一些智慧的火花。但是也有它的弱点，比如像北京这样的大城市，有交通问题，会堵车，有路怒，能源的使用会产生雾霾，空气污染等等这些问题，有些问题可能会演变成为大问题。比如一辆车 90% 多的时间都是一个闲置的状态，你在北京要找车也找不到停车位——北京有 600 万辆车，但只有 200 万的停车位。这个过程当中，我们就会需要去考虑怎么样去找更多的停车位，而房地产的价格越来越高，空间越来越少，导致年轻人必须要住到郊区去。

从家里到工作的地方，每天有 10 亿小时的时间是在路上浪费掉的。如果我们追溯到以前埃及时代，当时造金字塔的时候，他们也就是花了 10 亿小时的时间。所以每天大量的生产力被浪费掉，就因为堵车这一件事情。

共享改变城市交通

吴甘沙：在过去这些年当中，我们出行方式有了很多改变，优步总部在旧金山，但他们在匹兹堡有一个很重要的研发基地，这样一种轿车、约车服务，其实从某种程度上解决了人出行的一些难题。

Tom Mitchell：共享服务对很多人，包括没有车的人来说能够改变他们的出行方式。比如滴滴、优步，你所在的国家也有很多出行的解决方案，不管是叫车、约车还是车共享的方式，都是非常好的，这样的服务使得人出行更加精准。你到哪里去，什么时间，可以进行相应的服务。而优步，可以在城市之间进行城际的出行，是非常好的解决方案。

吴甘沙：同时也可以创造很多新的就业机会，滴滴是中国的优步，每天峰值交易达到很高的数字。中国最大的电子商务公司阿里巴巴，所有类别产品加在一起，每天大概是三千到五千万单，滴滴是出行服务，达到了一百万单的交易量。

如果你需要真正的司机，那么你会产生很多其他的成本，比如说司机的成本，司机有没有时间，劳动的供应是有限的，不可能无限的扩大网络，总是有一些瓶颈的。从 0 到 2100 万容易，但 2100 万到 4200 万很难，例如怎么解决劳动供应问题或者司机问题。

Tom Mitchell：我知道你个人对这个问题很有研究，即便找到司机做 4200 万单的交易，但是污染问题、堵车问题仍然没有解决，甚至会加剧。而真正合理的解决方案要让规模扩大，尽可能把我们自动驾驶的技术量产化，有很多公司都在考虑把一系列的技术用于未来的自动驾驶，很多传统汽车公司也在这么做。

我们不仅需要有自动驾驶功能的汽车，有滴滴公司这样的交易量，现有的交易量能够以更优化的方式完成，减少污染、减少堵车。因为自动驾驶车能够更加高效的驾驶，能够形成一个车队，能够更好地使用一些新的技术减少能源的使用、消费，减少堵车的情况出现。

互联和智能将使车和车之间的交流使整个交通系统更加通常，所以自动驾驶的潜力非常巨大，能够提高整个交通系统的效率，减少污染物的排放，降低能源消耗。

自动驾驶变革城市布局

吴甘沙：我想在座很多人可能不知道无人驾驶的鼻祖是汤姆的学生，在 21 世纪早期，DARPA 举行了城市挑战赛，卡内基梅隆大学在 2007 年就取得了达帕挑战赛的冠军，卡内基梅隆大学在这方面有很多的延展。

大概在 90 年代，当时有一个博士研究生写了一篇论文，模拟神经系统来开车，端到端的开车，当时一般速度只有 15—25 公里，但几乎把这个速度翻了一番。可能在 20 年后，就真正应用这些技术了，因为自动驾驶端到端的实现是很困难的，所以我又去看那些论文上的引文，发现卡内基梅隆 80 年代就已经做了这些研究。那么在过去几十年有什么进展吗？在自动驾驶方面？

Tom Mitchell：我认为大的进展是 80 年代的时候，计算机是一个比较机械、盲目的东西，对世界没有感知能力。80 年代的时候，大家用计算机可以下棋，因为那样的话不用真正的对世界进行感知。我想真正的革命是让计算机从过去的没有感知能力变成一个能够可看见、能感知到的机器，而且也有听觉，听到别人说的话，精准度还很高。这样的话，在未来还有很多人工智能方面的应用，你必须要有这种感知能力才能够去开车。

吴甘沙：我们知道在 2015 年，优步从神经研究院还有卡内基梅隆的机器人研究院招募了 40 名科学家？

Tom Mitchell：是的，因为优步想要专门打造一个自动驾驶车的研究中心，现在这个自动驾驶车已经在这个城市里可以开了，我的朋友问我能不能试一下，实际由软件控制，让车自动接人，如果有时候刚好碰上无人驾驶的车就坐上，要不然是人工驾驶的车接你。优步从我们那儿雇了很多人，大学对此不太高兴，我们不想失去自己的人才。

我想若干年之后，他们会意识到对于匹兹堡这个城市来说是好事，与此同时，机器人研究院为了替代这些流失人才又雇佣了大量人才，人才流动，可以在地区建立起更大的人才生态系统。实际上这个技术上的挑战很大，我们需要更多的人才来解决这个问题。这就回到您一开始所说的，如果把自动驾驶的研究人员翻一番，也可以使得创新能力翻一番。

吴甘沙：从卡内基梅隆还有另外一个公司，这个公司已经被收购了，似乎卡内基梅隆成为这方面人才的孵化器。

Tom Mitchell：我知道在大学里面也在进行这方面的各种研究，在机器人方面，我们正在研究一些不同的应用，包括自动驾驶、采矿、农业种植等等，有一些比较容易，如果是一个比较小的区域，比如说采矿，就不会像在自动驾驶场景里那么复杂，因为不会有行人随意穿过矿产区。还有无人机，还有机器人蛇这些蛇进入到人没法进入的非常狭窄的区域。还有跟人工智能方面相关的，我们还在考虑。将神经科学和人工智能结合起来，也有这方面的跨界研究。

吴甘沙：我们再来看一下历史，交通出行根本的改变了城市的发展。在第一次工业革命之后，蒸汽机扩展了铁路线，推动了铁路的发展。而第二次工业革命之后，汽车的广泛使用又改变了人们的出行方式，扩大了人们活动的范围，改变了城市的格局。可以在城市各处修建超市，现在我们又有了新的出行的可能，我们认为有无人驾驶车之后，就不需要那么多的停车场了。车可以停在郊区，城市的布局就跟今天大不相同。我们是不是可以来预测或者是模拟这种空间布置的变化呢？

Tom Mitchell：我们认为自动驾驶车的下一个革命将会带来更加根本性的变革，会更加深刻的改变我们城市的布局。我们可以把现在这些昂贵的停车场转变成绿地，变成城市的绿化带，而且我们可以改善城市交通拥堵的问题。我们会看到现在都难以想象的一些新的商业模式的出现，就像当时出现 Facebook 这样的社交媒体一样。

自动驾驶汽车可能会给我们带来移动餐馆，我们不用外卖叫披萨了，或者是移动的餐馆——可能有无人机把这个披萨送到这个无人车上，然后再把车送到家里。也许到时候医生还可以上门给你提供服务了，很可能会出现各种各样新的产业形态。现在我们是很难想象这些的，因此我们也很难按照这样的可能性去设计我们的城市。

我们还是有很多的不确定性，不知道未来下一个技术革命会是什么样的方向，所以我们在设计城市布局的时候，也许可以设计一些空间，让那些无人机或者是自动驾驶车可以停放。下一个一百年和过去一百年的区别在于，这种变革的速度会快的多得多。而这些城市他们的设计也要为这种难以预测的变化做好准备。

人工智能模拟城市建设

吴甘沙：我们都知道深度学习已经在围棋中打败了人类得冠军。而接下来，我们还不知道它能否在更加复杂的比赛中取胜，例如我们小的时候我们玩过的模拟城市建造。

Tom Mitchell：如果来看一下深度学习，AlphaGo 打败了人类的围棋冠军，这是下了几百万盘棋的结果。您刚才所说的这个很有意思，如果我们可以对城市进行这样的模拟的话，这个游戏可能还过于简单了，难以从事这个任务。如果我们再把它加深一下，真正来模拟几百万种城市建设的方式，也许我们也可以学到如何来管理城市可能出现的这些使不可预测的情况。甚至可以发现我们现在还没有意识到、想象到的一些方法。

吴甘沙：发明了无人驾驶的一个实景图象的模拟器，如果在城市建设方面我们也能有这样一个模拟器，通过机器学习算法，来预测或者进行模拟的话，我们可以看到未来城市的演进。

Tom Mitchell：还有一些非常艰难的政策上的选择。比如说如果使用各种网上的医学上的数据，城市用这些数据来控制传染性疾病或者是新疾病的发生，这些也是一个可能的新的应用。可能会涉及到隐私的问题，有些人不愿意在网上分享他们的医疗信息。另一方面，这些数据却可以给我们带来很好的管理上的经验，所以这也是一个政策上的问题。你刚才所说的，类似游戏的方法，我们可以来了解一下这几种不同的政策上的选择。

吴甘沙：不说医疗数据，像电信运营商他们也有人们的出行数据，也许可以设计一个更好的城市布局，把超市放在哪，把停车场放在哪。您知道现在中国在开发新的区域、新的经济带方面有很多的动作，中国上个月最大的新闻就是中国决定打造一个建设雄安新区，以疏解北京的非首都核心功能。这样的话，我们就可以从头来设计这个雄安新区的基础设施。如果在这个过程中应用一些人工智能的技术来设计这个新区的话，我想肯定是一件非常棒的事。

Tom Mitchell：我觉得这确实是一个非常好的机会，这也是中国独一无二的一个特点。在讲到未来可预测性越来越小时，在建设这个新的城市的时候，他们就应该考虑有些空间可以进行重新设计，以顺应不同的功能。

如果在五十年前我们就考虑到这些问题的话，也许我们就不会建造我们现有的这些机场了。在建立新区的时候也许可以考虑到未来无人车的可能性，在设计过程中要保持更大的灵活性。当然，这做起来很不容易。