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，则是非常零散的空间。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。
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。
像道路交通空间中，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；
像工作学习空间中，需要甄别一些触发安全危险的行为；
像生活娱乐空间中，例如外滩的大客流，人数超过多少的时候需要预警；
像互联网空间的涉黄涉暴、政治敏感的内容识别；
像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。
狗仔卡
发表于 2020-10-26 07:37 AM
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡