如何在地圖裡養殖人工智慧？

利用海量真實數據來「餵養」AI，是讓AI快速提升能力的不二法門。但猜畫這種臨時養殖場只能提升單一能力，應用價值不高。有沒有能夠提升多種AI技術能力，又在潛移默化中完成數據學習的「天然AI養殖場」呢？

今天的電子地圖，已經是城市海量地理數據、交通數據、人流數據、天氣與水文數據，以及各種交通路線與出行方案的結合。對於AI來說，地圖是一片水草豐美（數據夠多），營養充沛（有效數據比例大），經濟價值高（關乎經濟民生）的天然牧場。

有些朋友可能覺得，地圖嘛，無非就是連上GPS，在兩點間規劃個線路，用什麼AI？其實不然，地圖中不僅可應用AI的地方很多，甚至可能隱藏著AI的某些終極秘密。想像一下，你到了一個陌生城市。倆眼一抹黑哪也不認識，但是你知道要去火車東站，這時候不藉助任何導航設備，你也會知道：絕對不能往西走。

今年早些時候，DeepMind在《自然》雜誌發表了新的研究：他們把一個智能體放到地圖數據中。在不給它預設方位和地圖數據的前提下，讓AI模仿人腦中的海馬體，自動在地圖中需求位置，規劃道路。

實驗證明，AI可以用像人腦一樣，用增強學習的方式去認路。這既闡釋了人腦的工作原理，也給未來AI研究帶來了新的方向。而整個研究的實驗基礎，就是建立在地圖之上的。可以說沒有精準的地圖數據，AI仿生人類大腦進行空間預判的研究就無從談起。

這個故事證明了，地圖對於AI來說至關重要。AI在地圖中學習，並反過來讓地圖更好用，似乎是我們應對越來越複雜城市時的一個良性循環。

俗話說的好，你的夢想有多大，你下班的時候就有多堵……讓一個城市可以智能起來，讓積水、堵車、霧霾這些糟心事不再發生，是人類暢想了幾十年的話題。但城市到底怎麼才能夠「智能」卻是個巨大問題。有人嘗試用認知系統，有人嘗試用大規模的城市數據建模，但最終大家還是發現，讓城市主動和聰明起來，是建立在地圖數據基礎上的。

舉個例子，我們想要規劃從家到公司，一般情況下可能用不到AI。但假如要規劃從港口發到市中心一萬噸貨物，那麼時間、地點、交通擁堵情況，需要配合的車、人、倉庫、起重機，就成了一個複雜的數學問題。如果憑經驗去簡單計算，可能搞出來的會是個費時費力的方案。而通過城市AI去學習相關地圖數據，綜合理解上述變數，就可以在最低限度影響交通、最快完成任務的情況下，給出相應的運輸方案。

基於這種AI與地圖的結合，IBM很早就開啟了智慧星球方案。而它的老對手微軟隨後開啟了城市計算業務，專門用AI去透視地圖裡的各種因素。

今天的地圖應用里，城市數據和AI的深度結合已經能見到很多案例。比如谷歌地圖的智能停車場功能，就是當地圖感知你到了某個停車區域的時候，利用AI來綜合判斷附近的停車環境，給出最優停車方案。

可以看到，很多傳統的地圖無法解決的問題，在城市AI的加持下開始找到了鑰匙。城市智能的硬功夫，也正在被地圖的多元化和高精化培養起來。

毫無疑問，地圖是海量地名、路段、時空關係的結合體。假如我們想要先去加個油，再去買個東西，再去公司拿個東西，最後回家的導航任務。那麼就會產生一段涉及4個地點信息，3個事項的複雜語音任務，基本相當於繞口令。

事實上，除了導航之外，我們生活中是很難產生這麼複雜的語音任務的。就像猜畫小程序要用遊戲的方式徵集大家對某個物體的抽象理解一樣，地圖也正在基於實用性，徵集大家的語音語料，以及複雜的語音任務。

這場修鍊已經初見成果。3個月之前，我們看到百度地圖面對繞口令一樣的語音命令，只能用「你敢再說一遍嗎」回懟。而在月初的百度AI開發者大會上，百度地圖已經真的可以識別「繞口令」生成導航路線，解決複雜長語音多地點需求。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！