人工智能拴住了外卖骑手,或许也能帮他们破局 | 造就x张江「新基遇」

人工智能拴住了外卖骑手,或许也能帮他们破局 | 造就x张江「新基遇」
2020年10月26日 19:50 造就Talk
”或“”,每天看到造就推送的精彩内容)

2020年9月,一篇《外卖骑手,困在系统里》让所有人开始再度思考人工智能与人之间的关系。

在这个故事中,数据和算法是原罪。技术进步“疯狂”且“要命”,越走越紧迫的时间,越来越精明的报酬计价,将外卖骑手牢牢地困于其中。

这些拴住他们的工具是否也能反过来帮助他们破局呢

(本期内容出自就x江「新基建」系列直播第一期——数据新能量)

彭垚

闪马智能创始人兼CEO

下载造就APP,观看更多精彩视频

城市异常行为,不止穿行的外卖骑手

外卖骑手们的工作非常危险,为了送外卖,他们可能会闯红灯、违法转弯,甚至骑行到机动车道上,他们的时间紧迫,也因此产生了非常多的交通事故。

而这些问题其实早在18年就被关注了。

当时我们关注到,外卖和快递两个行业已经造成了新的城市压力和负担。同时,城市之中近2亿台摄像头所产生的海量数据,并没有真正地创造社会价值。

因此,在18年底19年初时,我在城市中之选了四个相机的点位,做了一个实验。

结果发现,在两个月内,外卖骑手的违法量就达到了4673条,平均每日的违法超过700条。而这个数字远超我们的想象。

某市非机动车智能管理平台试运营情况

我们通过政府,将这些数据反馈给相关的企业,希望企业能够从这个角度去更多地关注到自己骑手现在的生存状态。

同时,当外卖平台让骑手们规范地穿上有号码牌的衣服,我们也帮助城市管理者,通过已有的摄像头,实时地去发现骑手们交通违法的现象

有了这些洞察之后,至少从个人的角度,大家会更加重视自己的违法行为,对骑手本身也是一种保护。

外卖骑手的问题,本质上就是人和城市之间相互关系的问题。

城市在高速地发展,而到达一定阶段后,我们就可以看到人与人之间,产生了一些新的连接模式、运营方式,以及线上线下的互动方式,随之带来的就是城市中新的问题。

外卖骑手的问题是其中的典型,但城市之中的异常行为却远不止如此

不久前我看到一个视频——郑钧说一个人在城市中生活,非常痛苦、非常艰难,他也提到要在城市里面很好地生存下去、坚持下去,就是要爱和勇气。

对于人来说,爱和勇气两个坚持,才能人能够在城市中找回自己的本心。

我想,对于人工智能也是一样的,城市中的人工智能只有拥有爱和勇气,才能让人和城市真正地走向未来。

人工智能,可以是一个有温度的科技

人工智能只是一项科技,科技本身只是一个工具,但是只要我们用科技去做更有温度的事情,它就能成为一个有温度的科技,它为城市赋能,就有机会打造出一个更有温度的城市。

这也是我们现在去做城市的行为发现、空间洞察的原因,我们其实最终目的还是希望,通过人工智能技术去打造一个有温度的城市

我去过大大小小的100多个城市——有像上海的这种特大城市,也有更落后的一些城市。我都是亲自跑去当地调研,去看了每一个的路口的实际情况,摄像头的条件,以及摄像头能看到什么。

我发现,相比于农村,城市最大的特性之一,就是人与信息的流动性极高。城市就是一个巨大的人和信息流动的场所。

这两种流动性不仅促进人类进化,也为人带来了更多的困难

因此在这个过程中,就需要去研究流动性、管理流动性,才能真正地让城市流动得越来越顺畅,从而让每个人能够感受到越来越有温度的生活。

所以我选择成为了一个城市空间的洞察者,利用空间中视频的异常行为,去发现人和信息在流动过程中不顺畅的状况,从而去赋能空间,去打造一个更美好的城市空间。

根据人和信息流动性的特性,我将城市空间分为了五类——道路交通空间、工作学习空间、生活娱乐空间、互联网信息空间与城市环境空间。

之所以这样分,是因为在这些空间内,不论是人和信息流动的速度还是流动的方式,都有着本质的区别

道路交通空间是有着既定的交通规则的。从过去的马车到现在的车辆,从路到桥,交通在不断演进、越来越便利的过程中,也形成了既有的空间设置——如人为修筑的路、画的线、红绿灯、信号灯等。因此它的异常行为是突破这个规则的行为。

工作学习空间中人的数量和种类都相对固定。因此在这个空间中如果一个人没有和大多数人一样去做某件事情,他就会被AI引擎发现,被定义为异常行为。同时这些异常行为本身,也可以赋能到这个空间本身的管理中来,比如在一个生产空间中,原来的供需关系是A->B->C,但是发现对于B和C而言,大家往往喜欢先做C再做B,这时候这个空间本身的规律设施或者工作模式,就可以进行演进升级。

生活娱乐空间,是一个群体的空间——比如看演唱会、看展览、去超市或者大商场,包括过年的时候,会有很多人跑到人民广场去跨年——很多人来到这些场所,带来的是城市瞬发性的流量变化。而这些瞬发性的人流量,本身就是城市中人的流动性中不和谐的因素,甚至会产生安全隐患,因此需要洞察者去帮助城市及早地发现这些行为。

互联网信息空间,是充满各色内容的空间。我们每天刷抖音、看朋友圈都可以看到非常多的图像、视频,这些推送给我们的信息,由不同的人生产,内容也千奇百怪。这个过程中,就需要我们及早去洞察其中不利于人身心健康的内容,从而在城市信息的流动过程中,帮助人们更好地交流。

城市的环境空间,则是非常零散的间。它的问题出现是一个非常缓慢的过程,比如河道中有了垃圾,或者建筑工地有了扬尘,而这些问题都会日积月累地成为长期性问题的。所以我们更需要在短期内,去发现城市环境空间中异常的事物,从而对环境长期的可持续发展产生积极的影响。

在五大空间的基础上,我们所做的,就是利用人工智能为这些空间进行赋能。

在这个过程中,人工智能是一种新基建,和5G网络、超算中心等一起,作为未来城市的基础,可以去做一些问题的发现。但是我认为它最重要的是,发现这些问题之后,去成为未来城市的应用,让城市变得更安全、更干净、更有序。

我与纯科研出身的教授学者不同,本身是工程师出身,也做了不少的产品,赋能到一些核心的行业之中。因此我更深刻地体会到了,技术给人类最大的帮助,是真正解决身边的问题

人工智能技术的发展已经到了一定的阶段,我们现在应该更好地去应用它,一体化地把基础的研究转化为能真正解决社会问题的应用。

流水线上的人工智能,将通向未来

当然,要实现这些应用,并非易事。

第一,整个城市中各类事件层出不穷,视频的数据量本身就很大

第二,对于五大不同的城市管理空间,每个空间都有很多的行业——例如道路交通空间,它至少有交通管理的部门、交通运输的部门,也有像这种公路运营方、道路基础设施的建设方等等——不同行业的需求也不尽相同。

第三,视频资源建设有多种模式,有来自政府的,如平安城市、天网工程、雪亮工程等等;有来自企业的,包括许多企业自己设备产生的视频;有来自合作的基础平台的,如阿里云、腾讯云、华为、七牛云等等;还有来自互联网的公开数据。

这么多的数据和平台的支撑下,要构造一个如此之大的系统,难度也极其得大。

而要把各行各业的异常行为赋能好,就需要有一个非常高效地建立模型的平台。

因此我和林亦宁博士下定决心,研发出了ATOM深度学习平台

2016年,我和林博士在七牛云创建深度人工智能实验室的时候,就发现了有非常多的手动工作,让我们没办法专注地去调试我们的算法。

这些工作之中,百分之七八十的工作都是完全可以由机器去替代的,如果这些工作可以做成一个强大的平台,将帮助我们加快我们的研究。

而最终我们有了这样一个平台,相比于开源的算法框架,它更像是一套完整的生产线

在这条生产线上——从生产的原料开始,数据的标注、加工;到核心算法开发人员,可以像工艺师一样,非常方便地去调试算法、参数,去把人工智能算法放到这个平台上;再到它全自动地对模型进行检测和评估,最后上线——其实是有非常多工序的。

但最后它也成为我们真正能够去解决,如此长链条过程的一个核心工具

如果没有这样一个平台,我们也很难对那么多行业,生产出对应的模型来。

有了人工智能的流水线平台后,我们便做出了很多的空间内的基础模型。这些基础模型帮助我们去把空间中的内容能够解构出来,从而能够发现其中的异常行为。

而在这个基础上,要把这些模型构形出来,装载出来,再赋能到行业,还需要有一套非常工程化的平台。有了工程化的平台之后,我们才能真正去解决一些行业关键性技术(Know-how)的问题。

每个行业的关键性技术问题各不相同,具体的赋能方式也不相同。

道路交通空间中,需要识别非机动车的违法、道路上的车辆的事故、拥堵等一系列事件;

工作学习空间中,需要甄别一些触发安全危险的行为;

生活娱乐空间中,例如外滩的大客流,人数超过多少的时候需要预警;

互联网空间的涉黄涉暴、政治敏感的内容识别;

城市环境中的扬尘治理、河道治理等。

在这个过程中,作为一家数据中台公司,人工智能所赋予我们的是一个洞察者的角色——从原来手动的被动的发现,到了人工智能之后实时的在线的洞察

而人工智能的异常行为发现,或许也能帮助到更多的使用者,比如公路的运营方,在有了人工智能的异常行为发现之后,就可以更高效地运营公路,把公路的安全性、有序性,以及通行的效率都大大提高。

我们也希望就是在未来,通过异常行为的发现,能够去构造一个人跟城市之间更美好的关系,去打造一个真正有温度的城市

(本文未经造就授权,禁止转载。)

编辑 | 柴朝宸

财经自媒体联盟

新浪首页 语音播报 相关新闻 返回顶部