數(shù)據(jù)到底能做什么

吳洋洋

“請看鏡頭，再眨眨眼?！?/p>

只要一兩秒鐘，攝像頭就能判斷出你是不是登記信息上記錄的那個人。哪怕你在鏡頭前不小心晃了一下，聰明的鏡頭還是會認出你。至于人類常常出現(xiàn)的那種“臉盲癥”—尤其在面對其他種族的時候，放心，只要你提前把各種面孔的圖片放進機器的數(shù)據(jù)庫，訓(xùn)練它，它就極少會認錯人。

讓機器具有這種能力的是數(shù)據(jù)和算法—數(shù)萬張打好標簽的人臉照片，以及人類賦予它或者它根據(jù)對數(shù)萬張照片的識別、自己總結(jié)出來的認知規(guī)律。

就數(shù)據(jù)而言，人類產(chǎn)生的數(shù)據(jù)在指數(shù)級增加。根據(jù)IBM公司估算，人類有史以來至2003年所創(chuàng)造的信息量為5EB（編注：EB是指Exabyte，計算機存儲單位。如果從大家還比較熟悉的較小的信息存儲單位介紹起—1TB=1024GB，1PB=1024TB，而1EB=1024PB），到2011年，人類每兩天就能產(chǎn)生5EB的信息量。而到2018年，人類產(chǎn)生這樣的信息量大概只要一個小時。

面對信息數(shù)據(jù)爆炸，技術(shù)公司最先解決的是歷史數(shù)據(jù)的存儲問題，然后是提升處理當下“高并發(fā)”數(shù)據(jù)運營的能力，而第三步，它們就開始思考如何把已經(jīng)累積的這些數(shù)據(jù)復(fù)用—如果把數(shù)據(jù)的采集、傳輸、存儲、計算和應(yīng)用看作一個產(chǎn)業(yè)鏈，計算和應(yīng)用就是其中最有價值的環(huán)節(jié)。

騰訊的人工智能團隊看上的是醫(yī)生“頭腦”中的數(shù)據(jù)。他們把一些老醫(yī)生根據(jù)CT圖片判斷疾病的經(jīng)驗量化成指標，訓(xùn)練出可以幫經(jīng)驗不足的醫(yī)生判斷醫(yī)學(xué)影像的人工智能產(chǎn)品，提高診斷的正確率。

像高德地圖這樣的移動地圖應(yīng)用，則早已經(jīng)可以根據(jù)用戶在路上前進時實時使用高德地圖的數(shù)據(jù)，基于用戶的地理位置信息，分析出某一路段大多數(shù)用戶的車行速度，從而推算出那條道路是否存在擁堵。

“比如一條路正面時速應(yīng)該是40公里，突然發(fā)現(xiàn)有一段區(qū)間的用戶的時速都變成0了，就說明堵了?！卑⒗锇桶秃匣锶?、高德地圖總裁劉振飛對《第一財經(jīng)》雜志說。他拿“冰山”圖形做比喻，稱高德地圖其實有兩個：一個是手機上和車載的高德地圖，“這是大家看到的高德地圖”；另一個則是看不見的高德—中國市場有超過30萬款A(yù)pp，包括今日頭條、美團、微博、網(wǎng)約車……它們所使用的定位功能，都是由高德開放平臺提供的。這兩部分共同匯集成海量的人地關(guān)系大數(shù)據(jù)。加上交警部門的事故接警數(shù)據(jù)和用戶主動分享的路況、事件數(shù)據(jù)，高德甚至能區(qū)分出哪些擁堵是車輛聚集引起的，而哪些來自交通事故。

劉振飛團隊的最新嘗試，是與公安部交通管理科學(xué)研究所合作，打通一整座城市的智慧紅綠燈系統(tǒng)，結(jié)合各方面搜集到的實時路況數(shù)據(jù)，通過一套算法幫助交管部門實現(xiàn)在云端更加動態(tài)智能地調(diào)度所有的紅綠燈，配置更合理的時長。使用高德地圖導(dǎo)航的司機，也能獲知沿途紅綠燈的實時數(shù)據(jù)，這可以幫助他們更合理地控制車速，盡量避開紅 燈。

上述智能紅綠燈試驗已經(jīng)在無錫測試成功。不過這種二維“活地圖”不是地圖公司的最終目標。“未來自動駕駛需要的是高精地圖，它必須能分辨出來走一車道還是四車道，某個地方的欄桿有多高、紅綠燈在什么位置，路旁邊是不是有兩棵樹。”劉振飛說。

地圖公司嘗試把地圖從二維變成三維的時候，汽車制造廠商也想在自己的汽車上裝滿傳感器和攝像頭。

商湯科技是為汽車公司提供視覺方案的供應(yīng)商之一。它正在測試通過攝像頭傳輸?shù)囊曨l圖片識別周邊車型和物體，并通過物體長度和鏡頭之間的距離計算車間距，為自動駕駛提供決策依據(jù)。為完成識別，它也像識別人臉那樣給數(shù)萬張車輛和交通標識打過標簽。

“人90%以上的信息輸入來自眼睛，圖像和視頻是人跟這個世界交互信息的最大路徑?！鄙虦萍几笨偛脳罘珜Α兜谝回斀?jīng)》雜志說，有價值的數(shù)據(jù)就是信息，當信息的載體從0、1的二進制碼演進到數(shù)字、文本、語音、圖像和視頻，數(shù)據(jù)和信息承載的形態(tài)會朝著越來越擬人化的方向發(fā)展，即未來社會生活的溝通，對人的要求會越來越低，但對機器的要求會越來越高。2014年，商湯的DeepID算法第一次讓機器的人臉識別準確率超過了人眼識別率。

當騰訊、高德、商湯這樣的技術(shù)公司把數(shù)據(jù)“喂”給機器，讓機器開始“懂得”人的思路—賦予它規(guī)律，或者讓它自己總結(jié)規(guī)律、建立認知模型（兩種模式的相關(guān)技術(shù)都被稱作“人工智能”，其實后者更準確的說法是“機器智能”），數(shù)據(jù)的應(yīng)用場景就被進一步擴展了。

只有通過不斷升級深度學(xué)習(xí)訓(xùn)練體系，推進算法生產(chǎn)環(huán)節(jié)的標準化，降低產(chǎn)品開發(fā)成本，才能讓數(shù)據(jù)應(yīng)用場景進入更多零散小量、個性化的“長尾”場景。但技術(shù)不可被神話，我們要接受它階段性不足。

早期，這些由互聯(lián)網(wǎng)公司捕捉的用戶足跡還只是被用來做所謂“精準營銷”，比如你購買過啤酒，它很可能就會向你推薦紙尿褲，或者你閱讀過一篇講述小鎮(zhèn)青年的新聞，接下來閱讀軟件很可能會給你推送一篇工人的車間生活—根據(jù)的都是人類認知模型中的“相關(guān)性”?，F(xiàn)在，新的數(shù)據(jù)應(yīng)用場景已不限于這些現(xiàn)成“01”數(shù)據(jù)形態(tài)的領(lǐng)域了，從實體零售到交通、無人駕駛、智能制造、智慧醫(yī)療以及網(wǎng)絡(luò)游戲和直播，每個尚未被數(shù)字化的傳統(tǒng)市場也開始對數(shù)據(jù)感到興奮。

在這些新興場景中，數(shù)據(jù)的形態(tài)以語音和圖像為主，而且數(shù)據(jù)的生產(chǎn)（即采集）和應(yīng)用是同步進行的。以無人駕駛為例，通過攝像頭或傳感器收集的物理世界數(shù)據(jù)進入無人車的計算系統(tǒng)后，有關(guān)需要拐彎或者避讓的決策要立即作出。歷史數(shù)據(jù)對這些場景而言只有訓(xùn)練機器建模的功能。

新興場景看起來已經(jīng)有很多，不過這個階段，技術(shù)公司在這些細分市場的商業(yè)化速度并不算很可觀。2018年6月，凱迪拉克發(fā)布了和高德地圖合作的智能駕駛系統(tǒng)，高德地圖提供了導(dǎo)航中需要的“高精地圖”。這套系統(tǒng)達到L3級別—司機可以在駕駛過程中放開雙手，但行駛范圍僅限于一段30公里的高速公路。想讓這輛車在L3的狀態(tài)下駛?cè)氡本⑸虾＿@樣的大都市，還要再等幾年，因為隨著路況變復(fù)雜，制作高精地圖的成本和難度也迅速上升，可能還需要發(fā)射衛(wèi)星。目前對高精地圖的繪制，還處于早期實驗階段。

Google于2019年1月2日獲批的一款基于雷達的動作感應(yīng)設(shè)備—Soli傳感器也面臨同樣的問題，Soli傳感器可以使用雷達波束捕捉三維空間里的動作，讓用戶按壓拇指和食指指尖上的虛擬按鈕，或者通過拇指和食指之間的摩擦來完成虛擬撥號。

做技術(shù)出身的劉振飛表示，盡管現(xiàn)在計算能力大幅提升、機器設(shè)備越來越智能，但我們應(yīng)該正視理念與現(xiàn)實之間存大的巨大差距：“你做一個樣片、一個局部的演示可以，但是如果做成你能用、我能用、家里父母都能用的東西，就需要巨大成本，那是一個工程技術(shù)。我們在一步一步探索?！?/p>

就自動駕駛而言，所有計算都必須要在毫秒級時長內(nèi)完成，才對自動駕駛決策有意義。這既有賴于5G商用，也需要終端設(shè)備完成從功能機到智能機的硬件革命—不僅車要夠智能，路也要夠智能。實際情況是，國內(nèi)的紅綠燈和交通部門使用的絕大部分攝像頭都是不聯(lián)網(wǎng)的。有些紅綠燈甚至還需要人工做手動控制，每過30秒或1分鐘，由專門管理信號燈的人士去扳一次開關(guān)。

醫(yī)療數(shù)據(jù)的用戶隱私性和醫(yī)療安全問題，令“騰訊覓影”這樣的醫(yī)療影像識別產(chǎn)品至今沒能拿到可以商用的醫(yī)療器械牌照。因為國內(nèi)的商業(yè)保險并不發(fā)達，國內(nèi)的影像識別公司也還沒找到愿意為其技術(shù)買單的對象。

按照商業(yè)化的難易度，楊帆把結(jié)合了人工智能技術(shù)的數(shù)據(jù)應(yīng)用場景分為“頭部場景”和“長尾場景”兩類。自動駕駛、醫(yī)療影像識別、智慧城市項目，在他看來都算得上是“頭部”場景—它們也是各大公司在人工智能領(lǐng)域投資同質(zhì)化的主要原因之一。而更多場景其實存在于“長尾”部分。

目前大數(shù)據(jù)應(yīng)用的幾項場景

“我們早年看好用視覺識別做工業(yè)4.0，但后來發(fā)現(xiàn)這個領(lǐng)域沒有我們一開始想象的那么好，關(guān)鍵原因是它里面的場景特別地細分。每個生產(chǎn)線面臨的問題，泛泛來說都可以叫‘視頻分析，但每種算法要解決的問題都不一樣。”楊帆解釋說，如果要為每一個細分場景都開發(fā)一套算法，前提必須是場景經(jīng)過算法優(yōu)化所帶來的商業(yè)回報，要能支撐技術(shù)成本。所以，只有通過不斷升級深度學(xué)習(xí)訓(xùn)練體系，推進算法生產(chǎn)環(huán)節(jié)的標準化，打通不同場景的技術(shù)壁壘，降低產(chǎn)品開發(fā)成本，才能讓技術(shù)有機會進入更多零散小量、個性化的“長尾”場景。

大數(shù)據(jù)產(chǎn)業(yè)“鏈路圖”

某個城市的治安部門曾提出要在河邊設(shè)置一個攝像頭，一旦有人跳河就能自動報警。這件事從技術(shù)上可行，挑戰(zhàn)是至少需要上萬張的人跳湖影像—根據(jù)楊帆的經(jīng)驗，“萬級”的數(shù)據(jù)是訓(xùn)練機器的基數(shù)—才能訓(xùn)練出一個跳湖提示算法，而這個算法可能“只適應(yīng)某個地方跳湖，換一個地方就不行了”。這是個極端的場景需求，但它也反映出數(shù)據(jù)產(chǎn)品化的過程會遇到原生數(shù)據(jù)不足的問題。

信息產(chǎn)業(yè)的發(fā)展方向是逐漸擬人化

模擬訓(xùn)練是解決原生數(shù)據(jù)不足的一種辦法。商湯利用真實渣土車標注數(shù)據(jù)，以及將渣土車圖像嵌入視頻的模擬訓(xùn)練等技術(shù)，實現(xiàn)了當城市攝像頭拍到違規(guī)進城的渣土車，立即觸發(fā)實時報警的功能。

Google云前AI首席科學(xué)家、斯坦福大學(xué)教授李飛飛曾提及她帶領(lǐng)團隊開發(fā)一款老人監(jiān)護產(chǎn)品—在老人摔倒時，機器能夠報警。但是要實現(xiàn)這個功能，前提是要有上萬張老人摔倒的行為影像數(shù)據(jù)。最后，他們通過讓人模擬老人摔倒解決了這個問題。在硅谷，因此還誕生了一些專門生產(chǎn)模擬數(shù)據(jù)的機構(gòu)。

模擬數(shù)據(jù)能解決數(shù)據(jù)量不足的問題，但仍面臨數(shù)據(jù)多樣性的挑戰(zhàn)。很多場景的原始數(shù)據(jù)如果連最基本的多樣性覆蓋都保證不了，就沒辦法模擬?！澳M什么樣的人跳河是真的跳河，什么樣是假的呢？如果你模擬的東西不夠真，你不知道機器會學(xué)出來什么?！睏罘@樣解釋其中的復(fù)雜性。

數(shù)據(jù)不僅是一種資產(chǎn)，更是一種資源。從商業(yè)價值上看，數(shù)據(jù)只有以用戶為中心建構(gòu)才能獲得最大的變現(xiàn)價值。高德地圖的母公司阿里巴巴目前有三大數(shù)據(jù)池—淘寶、支付寶和高德地圖，它們分別意味著人與商品、人與資產(chǎn)、人與位置。假如將這三類數(shù)據(jù)打通，阿里巴巴能做的生意就不會僅僅是讓高德幫助盒馬鮮生決定選在哪里開店最好，它將實現(xiàn)真正的線上線下打通。但阿里巴巴迄今還沒有打通這三者之間的底層數(shù)據(jù)。因為身為技術(shù)公司必須要兼顧商業(yè)效率與數(shù)據(jù)安全的問題。數(shù)據(jù)安全，在很大程度上指的是對用戶個人隱私的保護。

在為開發(fā)一套還原真實物理世界的“高精地圖”感到興奮的同時，劉振飛也在思考：數(shù)據(jù)能解決所有的問題嗎？

2016年，他的團隊和公安部合作了一個尋找丟失兒童的公益項目。整個過程中并沒有用到攝像頭和人臉識別，而是靠高德的定位能力和釘釘為公安打拐系統(tǒng)的六千多名專門負責（找孩子）的警察開發(fā)了協(xié)同辦公插件。當有兒童丟失時，當?shù)孛窬ㄟ^釘釘發(fā)布尋人信息，借助高德的地理圍欄和基于位置的推送（LBP）技術(shù)和接口，直接向指定范圍內(nèi)的高德用戶推送這條消息。當有用戶自愿提供線索時，專職民警會負責核實—這種找法和傳統(tǒng)流程沒有什么不同，但辦事效率極大提升。這個名為“團圓”的項目，在兩年內(nèi)發(fā)布了3419條兒童丟失信息，而找回率高達到98.4%。

“后來我們想再做個尋找丟失老人的項目就很難。倒不是技術(shù)和錢的問題，而是缺乏明確的政府部門去管這件事，目前沒有像找孩子那樣的專職找老人的團隊。”這件事讓劉振飛意識到不是所有的問題都能用技術(shù)來解決，“一開始我們也想過在火車站、汽車站搞攝像頭，后來發(fā)現(xiàn)這件事光靠技術(shù)還是不夠的。所以，有時候我們也不能過于理想化地夸大技術(shù)的能力?！?/p>