Esri架构师称，不做AI的地信企业将被淘汰

messii · 发表于 2017-11-17 16:20

“地信企业既要积累人工智能和大数据的跨界人才，也要做好思维方式的转变，让深度学习在地信领域的应用达到最大化。曼索尔·雷德(Mansour Raad)在接受记者的独家采访时说。

曼索尔·雷德，大数据、人工智能、深度学习的倡导者，是Esri现任高级软件架构师。他是波士顿大学的航空工程硕士毕业生，在地理信息技术领域有超过30年的经验。

曼索尔向记者透露说，Esri已经建立了专门的项目团队，来探索AI和大数据在地理信息领域的前沿应用。他也在Esri中国用户大会演讲时表示，在ArcGIS 10.6版本中，已经加入了与Spark等大数据软件集成应用的新功能。

曼索尔认为，人工智能与大数据的结合，很有可能会给地理信息产业带来颠覆式的变化。他预言，在2017年没有提前布局机器学习的地理信息企业，必将落后于竞争对手。

人工智能在80年代的昙花一现

早在80年代，AI就已经受到了大家的关注，但由于当时计算机处理能力低下、各种设施都不完备等，导致AI产业一直不温不火。

曼索尔告诉记者，当年他在大学的时候，电脑并不普及，他需要到机房才能用上电脑，有时还需要排队。当时的计算机巨大无比，而且处理速度非常慢。

现在则完全不一样，计算机技术飞速发展，摩尔定律的提出，CPU、GPU、TPU的使用，使计算机处理能力不断提升，物联网、云计算、大数据相继出现，这些综合能力的提升，使人工智能的爆发成为可能。

如谷歌的AlphaGo Zero 就使用了64个GPU工作站(由多个GPU组成)和19个CPU参数服务器(由多个CPU组成)进行训练，4个TPU在比赛时使用。

谁掌握了数据，谁就拥有了主动权

就像很多人说的一样，麦当劳的生意不是汉堡，而是房地产;马云提供的免费服务不是慈善，而是在收集你的数据。在当今这个数据王国，谁拥有了数据，谁就拥有了主动权。

曼索尔指出，在美国主流的保险企业都已经启动了运用位置大数据和传感器的行动方案。包括曼索尔本人在内，其车上已经被安装了传感器，用来采集开车过程中的各种数据，包括刹车、转方向盘、急加速、急减速、其他违规等，这些数据将作为保险公司评估下次车险额度、折购费率的依据。

例如老司机开车比较稳定，享受的优惠就会多一些，而年轻人比较冲动，折扣就没那么优惠，但随着将来传感器监测到的数据表现良好，可能费率也会降低。

他提到，在美国基本上每个和车险相关的保险公司，都已经有很切实的计划来推广传感器车辆监测了。在中国也有很多保险公司在准备这项工作，但是还没有像美国那样全面的铺开。因此，这是一个很大的市场机会。

大数据时代也存在一些问题，就是数据隐私问题和数据可获得性。曼索尔举例说，有一次他想测试一个GPS算法，于是向政府部门申请跟汽车行驶相关的GPS数据，但因为涉及隐私问题，政府迟迟没有提供这些数据。为了项目进度，他的搭档就自己开车出去采集数据。这从另外一个角度也说明了拥有数据的优越性。

电灯的发明，与蜡烛的改进毫无关系

曼索尔讲了一个发生在科威特的案例。科威特地处沙漠地带，水源稀少，生活不便，因此车辆对于居民生活来说至关重要。但数目巨大的车辆导致交通拥堵等问题日益严重，严重制约了当地经济的发展和人们生活质量的提升。

为此，当地政府建立了一个名为“科威特搜索器”的应用，将居民与商品和服务连接起来，同时还提供转弯语音导航和交通信息等。但是，由于道路上缺少交通传感器，交通信息存在盲区。因此，当地政府向Esri团队寻求解决方案，能否在没有数据存储的情况下预测交通情况，提供可靠的交通信息。

曼索尔提到，起初，他们用了一个多月的时间，收集司机上传的自己周围交通状况的信息，分别用流量大、流量适中、流量小三个关键词表示。然后他们使用传统机器学习的方式，开始输入样本数据、编写程序，最后来填充交通信息盲区的数据。

项目进展的非常顺利，但后来他们发现，某些天会出现例外情况，如斋月的第一天车辆会激增，而每次例外情况出现，他们都要重新修改代码。他把整个过程比喻成“打地鼠”，就像你不知道地鼠会从哪个地方突然冒出来一样，新增的问题一个接一个出现，导致编程工作效率极低。

此时，曼索尔想起旧金山大学商学院教授奥伦•哈拉里(Oren Harari)的一句话: 电灯的发明，与蜡烛持续不断的改进毫无关系。曼索尔受到这句话的巨大启发，此时不再需要对蜡烛持续改进，而是需要一个灯泡。

曼索尔说，为了改变“打地鼠”的窘境，最终找到了解决方案——Geo.AI，即地理智能，让计算机自己进行学习。

传统机器学习的方式，曼索尔的团队需要给予交通流量分类程序明确的指导，所以每一次外界情况的变化，都需要调整算法，来预测流量。而现在，团队只输入了科威特司机上传的数据和交通规则，让计算机学习程序自己去了解与流量相关的信息，最后填补交通信息盲区，预测行车路线。

就像AlphaGo一样，研究员只给AlphaGo Zero输入棋盘的构造和黑子白子的走步规则，没有任何历史棋谱样本，没有任何人类知识，完全是“从零开始”，自己与自己对弈，通过更优秀算法的不断迭代，取得飞速进步，真正做到了自我学习。

用专业词语讲，AlphaGo Zero和科威特案例中使用的机器学习，不再是初级阶段监督学习和非监督学习，而是深度学习，曼索尔也称之为加强学习，是机器学习的高级阶段，换句话说，就是机器根据规则自己学习。

曼索尔强调，这次AI的浪潮与以往最大的不同，就是思维方式的改变。对蜡烛再怎么持续改善也变不成灯泡，但如果重新发明个灯泡就会改变整个产业的情况。他认为，人工智能和大数据就是这个灯泡。

不在AI上投资的地信企业，终将落后

曼索尔强调了机器学习尤其是深度学习，对于当前企业发展的重要性。

中国的地信企业想进入人工智能领域，曼索尔建议，首先是要改变思维模式，重视深度学习;其次就是人才培养。既懂人工智能又懂大数据的跨界人才非常少，所以要积累人才，而且要持续的投入。对于初创企业来说，他知道很难。但他坚定的说，难也得做、必须要做。

另外，全球虽然有很多公司都在做人工智能和大数据结合，但他们多数都还停留在监督学习和非监督学习两个阶段。在谷歌Alpha Zero新一代人工智能诞生后，也只有较少的企业能够进入深度学习阶段。所以从这个角度来讲，全球多数企业都是站在同一个起跑线上。尤其对于初创企业来说，还是有机会参与进来的。

人工智能和大数据结合，还可以发现各领域没有留意到的市场机会，能够解决靠人的直觉或原来的工作流程无法解决的问题。他举例说，我们吃面包的时候，会不小心掉一些面包屑，单独看这一事件没有什么，但如果把掉面包屑这个事情作为一个整体看的时候，如有一百万、一千万、十亿个面包，这个数量是非常可观的，可能会催化出一些新兴领域和应用。（泰伯网）