文/王新喜
在今天，人工智能的概念非常熱，但是大多數人依然覺得AI是離自己的生活特別遙遠，覺得AI與自己沒有什麼關係。比如，無人駕駛雖然是AI落地的一大應用場景，不少廠商也正在無人駕駛領域持續投入，但目前都沒有拿出太多讓大眾滿意的成果，也不太讓人放心。畢竟，從國內到國外，無人駕駛的事故已經不止一兩出了。
Siri之後，普通人接觸最多的人工智能或許就是這類手機智能語音助手。但對於市場上各種智能助手，人們習以為常是各種對話調侃，因為人們都知道這類語音助手的諮詢等很難解決人們的需要解決的問題，因此人們給予最多的評價是“人工智障”，其雞肋的一面被展現無遺。
而千人千面的信息流被吐槽為 “信息繭房”，它更多地扮演了時間殺手的角色等，對於人們生活中的實際問題解決非常有限。
人工智能是未來的趨勢與生產力的大變革，這點沒有疑問的，問題是它如果要從紙上談兵走入尋常百姓家，其實需要的是真正普惠的應用，能帶給普通民眾帶來更直接的社會價值，才可以讓人們切身的感受到人工智能所給生活帶來的改變與便利。
高德地圖積水地圖AI版究竟改變了什麼？
在目前來看，高德地圖最近與中國氣象局公共氣象服務中心達成戰略合作，為應對汛期出行共同推出的積水地圖AI版，就是非常典型的具有普惠價值的人工智能應用。
為什麼這麼說呢？我們知道，每年汛期，由於缺乏及時的預警信息，城市洪澇與道路積水都會給民眾出行帶來麻煩，尤其是遭遇大的洪澇災害，開車出行如果對於深度積水區缺乏瞭解，甚至會造成巨大的人身傷害或財產損失。
但是，這幾乎又是一個無解的難題，因為城市道路積水受到多種因素的影響：包括氣象、道路、排水、交通等。而傳統的氣象信息服務，大都是比較被動的信息獲取方式，信息滯後的現象比較嚴重，在準確性、及時性和覆蓋廣度等方面存在不小的欠缺。這也是過去許多城市針對洪澇積水實時預警發生偏差的原因。
過去傳統的氣象服務的另一大短板還在於人們獲取的基本是城市範圍的氣象信息，在顆粒度上不夠精細。但是如果要細化顆粒度，將這種傳統的氣象服務與地圖的LBS屬性結合起來，是否就能較高的預知道路積水情況了呢？
顯然這是可行的。早在2016年，高德地圖就首創並開發上線了積水地圖，它的做法是讓各地交警提供的權威數據以及用戶也可以自行上傳身邊的積水點信息，通過官方審核即可上線，以完善數據的不足之處，為其他市民出行提供參考。
但是也有人曾經提到過積水地圖的侷限性，即城市的路面狀況以及降水量都是動態變化的。而積水點是死的。因此，如果不能實現道路狀況的實時更新與預測，那麼“積水地圖”會有不準確的情況發生。
這可能就是高德地圖這次與氣象局合作，並拿出了積水地圖AI版的重要原因。我們看到，高德積水地圖AI版相當於為之建立了一個機器學習的模型，輸入各種相關的歷史數據，包括道路大數據、交通大數據、歷史易澇點數據以及歷史降水數據等，然後可以根據算法做數據交叉分析，不斷對模型進行訓練和完善。
當惡劣天氣出現時，再將實時的精細化降水數據輸入該模型，就能夠智慧、及時地、動態的預測城市中嚴重的道路積水點，並在高德地圖上生成積水事件。
另外，高德還將引入交管、防汛等管理部門的更多權威數據，並持續優化AI模型，這樣一來，其數據維度更加立體化，對道路積水信息的預測更為準確及時。最後，每個積水事件還都會有海量用戶進行可信度驗證，進而再次提高積水信息的準確性。
而在接入中國氣象局的權威數據之後，道路與天氣情況均可以及時預測，可為用戶當前位置、指定POI地點和基於出行路線的更精準的氣象信息服務。比如說當前高德地圖最新版已經新增了沿途天氣，長途出行會展示沿途哪個路段會有惡劣天氣，用戶長途出行可以基於此及時規劃正確的路線。
這意味著什麼？意味著對普通用戶來說，在暴雨天氣就可以準確避開積水路線的信息，長途出行決策、出行規劃、出行導航、目的地等出行全週期，均可以有更及時、更立體的氣象信息服務。這對於那些在暴雨洪澇等惡劣天氣已經“在路上”的人們來說，其重要性不言而喻，可以說，它給生活帶來了真正的便捷。
這顯然是AI應用落地上的一大創新。
高德積水地圖AI版，千人千面信息流機制落地到AI地圖上的有效嘗試
如果我們認真去細究一下會發現，高德積水地圖AI版它在本質上與千人千面信息流等AI應用是一樣的，千人千面的信息流智能推薦機制目前多數用於各種內容平臺上，比如今日頭條，它的本質是根據算法做數據分析來精準判斷匹配用戶感興趣的內容並進行推送，因此每個人基於興趣與偏好不同刷出來的內容都不一樣。然後再通過不斷完善算法的邏輯，不斷餵養大數據，讓信息針對用戶的推送更為精準。
高德積水地圖的AI版的本質是將這種AI信息流的玩法放到地圖應用上。但是所不同的是，高德採用的是機器學習的模型，本質上它是通過實時的精細化氣象數據與可複用的算法策略，對道路積水這個具體應用場景注入海量的數據訓練集，讓機器形成正確和快速判斷。
機器學習最需要的就是數據和訓練，通過喂入數據進行計算，在大量數據資料的運算中得出準確的信息。
而高德不斷喂的海量大數據包括道路、交通、易澇點數據以及用戶上報UGC數據與歷史氣象數據，從這些數據維度來看，基本上是囊括了各方面的立體型的數據維度，而數據越多自然越權威、精準，模型訓練得也就越完善，對積水判斷就越加精準。後續再通過互聯網用戶的交叉校驗，就可以達到更準確的結果輸出。
可見，給生活服務帶來附加與增值價值層面，高德地圖正在通過自身的這套AI機器模型來突破交通行業與出行用戶的更高層次的痛點。而相比與普通地圖常規玩法，它更像是三維打二維，將地圖應用的前景與未來可以拓展的想象空間拔高了。
為什麼說這個AI應用有普惠價值？
過去每年汛期，由於道路積水預警不及時不準確，傷亡或財產損失都讓人痛心，甚至很多城市暴雨時會發生慘劇，但從今天來看，高德能通過AI模型智能預測道路積水點，並基於強大的用戶觸達和出行調度能力，幫助人們在出行時規避涉水路段，AI加持之後，這種年復一年的損失與慘劇都是可以避免的。
從另一個層面來看，高德“積水地圖”的上線在為市民在汛期的安全出行提供了權威可靠的交通信息參考，通過AI加持的切實的去解決現實生活中特殊時期的出行的難題之外，還賦能交管部門及時有效的傳播信息，梳理交通，讓城市交通的信息傳播與管理有了全新的思路。這或許才是AI的真正魅力之處。
可以看出，高德通過AI與信息、數據、地圖服務、識別能力的結合，與真實世界形成連接，最終完成真實的產業價值與社會價值的蛻變。
它的價值還體現在它的可複製性上。可複製性過去經常會用來檢驗一套方法論與一套商業模式與邏輯的價值，看它是否能應用與一個行業或者一個領域，對於AI的應用落地亦是如此，AI的落地如果僅僅停留在個案與特殊性場景應用上面，那麼它的價值就無法沿襲與擴展。
很顯然，當前高德地圖的AI模式是具備可複製性的。一方面是這種AI+千人千面的信息流可以應用到更多城市交通規劃等更多領域上去的，比如說，這種AI地圖機器模型可以運用於計算人們出行的行為來計算交通流。比如上下班、接送小孩、高低峰上街等產生的交通流，進而研究不同時段的交通特徵。
另一方面，該模型既然可以用於道路的積水預測，自然也能應用於同類型的積雪預測以及各種天氣氣象問題的解決，比如當前用戶可以通過打開高德地圖的沿途天氣功能，在地圖路線規劃時可以展示對應的天氣動效。而針對團霧、空氣汙染、氣象旅遊等諸多天氣氣象問題，均可以運用這同一套機器學習模式來預測與解決，為更多的社會領域帶來價值。
與此同時，這套數據模型或許還可以擴展到AI金融、醫療、生活服務諸多方面。與行業緊密結合捆綁、更好的解決真實世界的需求與連接，這或許就是AI的惠普價值所在。
結語
在過去，人們知道谷歌AlphaGo能打敗國際級頂尖棋手，但這種AI能力並沒有延伸到現實層面解決具體生活問題。人們對於AI的討論與認識，也多建立於理論的空想與概念談論層面，因為幾乎沒有殺手級應用來將AI真實連接能力與解決社會問題的能力落地。
但是，當AI真正來的時候，或許跟我們想象的不一樣，它更像是以一種潤物細無聲的方式來消無聲息的滲入，並逐步解決了我們現實生活中的難題。
而企業之間的AI競爭，最終也還是要落點是否能普惠民眾和經濟。只有迴歸場景與產品之中，通過可複用的技術模式落地並與實際應用場景、現實需求結合，才能讓人們明確並感受到AI所帶來的價值與意義。在如何與現實結合並解決傳統領域與人們剛需相關的實際問題，高德的做法與探索或許具備一定的啟發意義。
閱讀更多 王新喜 的文章
