GMIC 2017 | 吴甘沙对话 Tom Mitchell：人工智能如何颠覆我们的城市

关于吴甘沙和 Tom Mitchell

吴甘沙：驭势科技联合创始人兼首席执行官，创业前为英特尔中国研究院院长，英特尔首席工程师，领导了英特尔的大数据技术战略长期规划，并为中国研究院确立 5G 通讯、智能计算和机器人三大方向。

Tom Mitchell：卡内基梅隆大学计算机科学学院机器学习系主任、教授，美国工程院院士，美国科学进展学会（AAAS）成员，人工智能进展学会（AAAI）成员，美国《Machine Leaming》杂志、国际机器学习年度会议（ICML）的创始人。他在机器学习、人工智能、认知神经科学等领域卓有建树，撰写了机器学习方面最早的教科书之一《机器学习》，是机器学习领域的著名学者。

以下为对话全文，雷锋网做了不改变原意的整理：

城市的规模和创新的关系

吴甘沙：Tom Mitchell 您好！您是在宾州（宾夕法尼亚州）出生的，现在也在宾州工作，你觉得在宾州最有意思的事情是什么？

Tom Mitchell：我现在在宾州的匹斯堡，匹斯堡这个城市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，当然还有足球队，还有橄榄球队。但是很快，匹斯堡的很多钢铁企业都破产了，在 70 年代的时候，我们城市出现了严重的失业问题。但是匹斯堡在这几十年里成功转型，目前匹斯堡又一派生机了。

吴甘沙：卡内基梅隆大学在匹兹堡成功转型的过程中发挥了很重要的作用吗？

Tom Mitchell：当然卡内基梅隆大学发挥了重要的作用，但是与此同时，匹斯堡作为一个城市，它的成功转型，其实是大学和当地政府和企业，以及非政府组织、工会等之间的协调之后的结果。匹斯堡的这些不同机构之间的合作是非常好的，也推动了这个城市的转型。

吴甘沙：这是一个巨大的成就，我也读过经济学家的一些著作，他们都把匹斯堡选为美国最宜居的城市之一，这个过程当中离不开创新。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，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，您的观点呢？

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时，我们必须要问一个问题，那就是 “一个城市的创新能力或者创造力，相对于它的人口数量，或者相对于人和人之间互动，是不是有关系？” 城市的规模大一倍，人和人之间的互动的可能性就会大一个平方。我们也并不是那么聪明，其实人和人之间的交流，思想的碰撞，才是产生创新火花的动力，所以人和人之间的互动和交流往往是一个城市创新能力的源泉。

如何解决大城市病的问题？

吴甘沙：这个是大城市的优势，人口多可能会碰撞出一些智慧的火花，但是它也有弱点，比如像北京这样的大城市，有交通问题，会堵车，还有很多的交通事故。而能源的使用会产生空气污染的问题，有些问题还可能演变成大问题。

比如一辆车 90% 多的时间都处于一个闲置的状态，北京有大约 600 万辆车，但只有 200 万的停车位，你在北京很难找到停车位。房地产的价格越来越高，空间越来越少，年轻人必须要住到很远的郊区去，需要在通勤方面花费大量的时间，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，他们也就花了 10 亿小时的时间，因为堵车这一件事情，每天大量的生产力被浪费掉。您觉得用该怎样来解决这些大城市病？我不认为人和人之间的互动可以解决这些问题。

Tom  Mitchell：这个讲的非常好，我认为，从某种程度上讲，未来像微信这种线上平台，可能会让面对面的交流变得不那么重要。

吴甘沙：但是你要让两个人互相交流，还是要建立起一种信任。虽然我们通过微信以及其他技术降低了交流的门槛，但人类仍然需要面对面的交流，比如和朋友聚会吃饭。人有情感需求，就会因此产生不同的移动出行需求，很多问题不能通过网上在线的交流来替代的。在过去的几年中，我们出行方式有了很多改变，比如 Uber 的出现，这样一种网约车服务其实从某种程度上解决了人类出行的一些难题。   

Tom  Mitchell：您讲的非常好，共享服务改变了很多人的出行方式，这样的服务可以根据你的需求提供相应的服务和解决方案，同时也可以创造很多新的就业机会。

吴甘沙：滴滴是中国的 Uber，每天的日交易量可达 2100 万单，可以解决数百万司机的就业问题。但是劳动的供应是有限的，不可能无限的扩大服务网络，总是有一些瓶颈的。从 0 到 2100 万容易，但是从 2100 万到 4200 万很难，怎么解决劳动供应问题或者说司机数量问题？

Tom  Mitchell：我知道你个人对这个问题很有研究，即便能够招到 2 倍数量的司机来完成 4200 万单的日交易量，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是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汽车，而且好要以更优化的方式提供出行服务。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。

自动驾驶的进展和变革

吴甘沙：这确实很让人惊叹，由于拥堵、交通信号灯和十字路口规划的问题，现在在北京驾车的时速是 20 公里 / 小时，如果能够实现您刚才所说的，确实会是很大的提高。我想在座很多人可能不知道无人驾驶的鼻祖是 Tom 的学生。我发现卡内基梅隆大学在 80 年代就已经做了自动驾驶的相关研究，那么在过去几十年有什么进展吗？

Tom  Mitchell：计算机是一个比较机械、盲目的东西，对世界没有感知能力。我想真正的革命是让计算机变成一个能够感知的机器，有视觉，也有听觉，而且精准度也很高。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实现自动驾驶。

吴甘沙：2015 年，Uber 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 Uber 想要专门打造一个自动驾驶汽车的研究中心，现在这个自动驾驶汽车在这座城市里已经可以上路了。Uber 确实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。

我想几年之后，他们会意识到这对于匹兹堡这座城市来说其实是好事，与此同时，我们的机器人研究院为了替代这些流失人才又雇佣了大量人才，通过人才流动可以在这个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是很大的，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，如果我们把自动驾驶的研究人员翻一番，也可以使得创新能力翻番。

吴甘沙：从卡内基梅隆大学出来的还有另外一家公司——Ottomatika，这家公司已经被德尔福收购了，似乎卡内基梅隆已经成为了这方面人才的孵化器。

Tom  Mitchell：在机器人方面，我们正在研究一些不同的应用，比如自动驾驶、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，就不会像自动驾驶的场景那么复杂，因为不会有行人随意穿过矿产区，还有无人机，还有蛇形机器人，可以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，我们正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，交通出行改变了城市，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。现在我们又有了新的出行的可能，我们认为有了无人驾驶汽车之后，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。我们是不是可以预测或者是模拟这种空间布置的变化呢？

Tom Mitchell：我觉得您说得非常好。我们认为自动驾驶汽车将会带来根本性的变革，会更加深刻地改变我们城市的布局。我们可以把现在这些昂贵的停车场变成绿地，而且我们还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 Facebook 这样的社交媒体一样。

而自动驾驶汽车可能会给我们带来移动餐馆，可能有无人机把披萨送到无人车上，然后再把披萨送到你的家里，也许到时候医生还可以上门提供服务，所以未来可能会出现各种各样新的业态。现在我们还很难想象，所以我们也很难按照这样的可能性去设计我们的城市。

一切都还有很多不确定性，我们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汽车可以降落或者停靠。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很多，而城市设计者也要为这种难以预测的变化做好准备。

如何用人工智能来帮助城市规划？

吴甘沙：我们都知道 Alpha Go 已经在围棋比赛中打败了人类冠军，而接下去我们不知道它是否会在更加复杂的比赛中取胜。在我们小的时候玩过 SimCIty，就是模拟城市的建造，不知道是不是可以用机器学习的技术，比如说深度强化来进行 SimCity 这样的游戏，模拟未来城市的建设。这样的话，就可以把所有的这些不确定考虑在内，来进行预测或者是模拟未来城市的运行。

Tom Mitchell：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，SimCity 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管理城市可能出现的不可预测的情况，甚至可以发现我们现在还没有意识到的一些方法。

吴甘沙：无人驾驶有实景图象的模拟器，如果在城市建设方面我们也能有这样一个模拟器，通过机器学习的算法，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抉择。比如说，如果城市使用网上的医学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，但这也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经验，所以这也是一个政策上的问题。如您刚才所说的，类似 SimCity 这样的游戏方法，我们可以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。最近最大的新闻就是中国决定设立雄安新区作为副中心，北京太大了，所以政府想要疏解首都的非首都核心功能。这样的话，我们就可以来重新从头来设计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，可以进行这样的新区开发。在建设这个新的城市的时候，他们就可以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。在建设新区的时候，也许可以考虑到无人车的可能性，在设计过程中要保持很高的灵活性，当然做起来很不容易。

吴甘沙：这是我们的愿景，也是一个永无止境的学习的过程，我们对此非常期待。谢谢 Tom Mitchell 和我们进行分享，也谢谢各位。