）北京】4月27日报道（文/吕梦）4月27日GMIC大会上，驭势科技联合创始人&CEO吴甘沙（主持人）和卡内基梅隆大学机器学习学院教授兼院长 Tom Mitchel以《超越科幻的力量：人工智能如何颠覆我们的城市》为主题，就城市的创新能力、共享经济、无人驾驶 、等问题进行了探讨。
在谈到城市创新时，Tom Mitchell表示，城市规模的大小未必是其创新能力高低的标准，真正重要的是，人和人思想的碰撞，以及彼此间的互动与交流。而面对大城市拥堵的“通病”，Tom Mitchell也提出了自己的见解，认为当今如优步、滴滴等出行解决方案改变了许多人的出行方式，即使对没有车的用户来说也是一大颠覆，同时新增了许多就业机会。
关于当下备受关注的自动驾驶，Tom Mitchell发表观点表示，未来的自动驾驶将提高整个交通系统的效率，且更加节能、减少污染排放，因此潜力巨大。
众所周知，卡内基梅隆大学早在上个世纪80年代就开始涉足自动驾驶相关技术的研发，2015年，优步从卡内基梅隆大学神经研究院以及机器人研究院招募了40名科学家，以打造自动驾驶的研究中心。对此，Tom Mitchell认为，尽管大学并不高兴失去自己的人才，但从长远来看，由于自动驾驶技术的挑战很大，因此需要更多的人才加入进来，为社会解决实际问题。
以下是此次圆桌论坛的演讲实录，猎云网整理删改：
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的，你觉得在宾州这个最有意思的是什么事情？
Tom Mitchell：我是在宾州的匹斯堡，关于匹斯堡这个城市，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，当然还有足球队，还有橄榄球队。但是很快，很多的匹斯堡的钢铁企业都破产了，在70年代的时候，我们城市出现了很多失业问题。但是很快匹斯堡在这几十年里面成功转型，目前匹斯堡又一派生机了。
吴甘沙：卡内基梅隆大学在这其中发挥了很重要的作用？
Tom Mitchell：当然，卡内基梅隆大学发挥了重要的作用。与此同时，匹斯堡作为一个城市，它的成功转型是大学和当地政府和企业之间的协调，还有非政府组织，还有代表工人的工会等等，协调之后的一个很好的结果，匹斯堡这些不同的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，这个过程中离不开创新，我也读了一本书好的想法是从哪里来的？他有一些非常有意思的观点，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，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，我觉得没有这样吧。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，或者相对于人和人之间互动，这个是不是有关系。
城市的规模大一倍的人，人和人之间的互动这种可能性就会大一个平方。我们其实也并不是那么的聪明，其实我们互相之间交流，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：这个是大城市的优势，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，有路怒等等，有很多交通事故。能源的使用会产生雾霾等等这些问题，空气污染的问题，有些问题可能会演变成为大问题。
一辆车90%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等等，我们有600万的车在北京，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，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郊区的郊区去，有大量的时间花在通勤方面。浪费很多时间在每天从家到工作的地方，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，因为堵车这一件事情。你怎么样来解决这些大城市的“通病”？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，我们考虑城市，互相之间物理上非常近，很重要的交谈，你提到的非常具体的问题，网上、线上的互动，微信是中国目前网上人和人之间互动最受欢迎的一个应用，我自己也是非常活跃的微信用户。
吴甘沙：人和人互动的平或者其他平台，让我们面对面的交流变得不那么重要，但是你要让两个人互相之间交流，还是要建立起一种信任，未来或者现在很多时候我们的互动，都是面对面交流相结合的一种状态，微信在未来可能会被一些新的技术如虚拟现实等等技术来替代。
但是我们通过微信与其他技术降低了人与其他人的要求，但仍然的需要物理互相接近，面对面的交流，笔触其他事情，如吃饭，餐厅要坐下来吃饭，和朋友聚会，有情感需求，产生不同的移动出行要求，很多问题不能通过网上在线的交流来替代的。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重要，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：是的，共享服务对很多人哪怕是没有车的人来说也能够改变出行方式。比如滴滴、优步，根据你所在的国家都有很多出行的解决方案，不管是轿车、约车还是车共享的方式，都是非常好的解决方案，这样的服务使得人出行过程当中可以在更加精准情况下，你到哪里去，什么时候到哪里，可以进行相应的服务。而优步，你可以在城市之间进行城际的出行，都有非常好的解决方案。
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。
另一方面也帮助就业，有数百万的司机可以加入滴滴平台解决他们的就业问题。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2100万到4200万就很难了，因为0到2100万容易，但2100万到4200万很难，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的汽车，有滴滴这样公司的交易量，现有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，能够更好的来使用一些新的技术，减少能源的使用、消费，没有堵车的情况出现，因为车互相之间的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。
吴甘沙：这确实让人惊叹，现在在北京驾车的时速是200公里/小时，由于拥堵问题和交通信号灯跟十字路口的问题，如果能够实现您刚才所说的，确实是很大的提高。我想在座很多人可能不知道无人驾驶的鼻祖是汤姆的学生。
在21世纪早期，达帕举行了城市挑战赛，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，后来去斯坦福上学，才赢得了达帕挑战赛，赢得了大赛的冠军，而卡内基梅隆赢得了城市挑战赛的冠军，大概在90年代的时候，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2005年做了相关按照，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、能够感知到的机器，可以看到，而且也有听觉，听到别人说的话，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，我的朋友让我能不能试一下，实际是有软件控制，让车自动接人，如果有时候刚好碰上无人驾驶的车就碰上，要不然是人工驾驶的车接你。
确实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。我想几个年代之后，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，这个公司已经被阿尔法收购了，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，从自动驾驶、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，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，又扩大了人们活动的范围，改变了城市。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：我觉得你说得非常好。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，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。
而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，至少可以把星巴克开在这些无人驾驶车上，所以可能会出现各种各样新的业态。
所以对现在我们来说还是很难想象的，所以我们也很难按照这样的可能性去设计我们的城市。我们还是有很多不确定性的，是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，可以让那些无人机或者是自动驾驶车可以停的地方，所以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。
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。而接下去我们还不知道它会在更加复杂的比赛中取胜，在我们小的时候我们玩过这样的游戏，就是来模拟城市的建造。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这样的游戏，来模拟未来城市的建设。这样的话，就可以考虑到所有的这些不确定性，把它考虑在内，来进行预测或者是模拟未来城市的运营。
Tom Mitchell：非常有意思，如果来看一下深度学习，阿尔法狗，它打败了人类的围棋冠军，它是下了几百万盘棋。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副都副中心，北京太大了，所以政府想要疏解首都的非首都核心功能，来建设雄安新区。这样的话，我们就可以来重新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，可以进行这样新区的开发。在讲到未来可预测性越来越小，在建设这个新的城市的时候，他们就应该可以考虑有些空间可以进行重新设计，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。在新区的时候也许可以考虑到这些无人车的可能性，在设计过程中要保持大的灵活性，当然做起来很不容易。
吴甘沙：我们的这种愿景，这是一个永无止境的学习的过程，而且我们对此非常期待。谢谢Tom Mitchell和我们进行分享，也谢谢各位。
