2016年,AlphaGo横空出世。接着,便迎来了其与李世石的人机世纪大战,鏖战五局,终以4比1的总分获得胜利。这件棋坛盛事,可以说的是人工智能在公众视野中的最终一个引爆点了。

自此以后,人工智能便成为了一个公众口中热度很高的话题。而基于人工智能的产品,也开始陆陆续续地涌现,可谓是遍地开花。

各类棋牌类竞技游戏相继被人工智能所攻破;微软搜索推出了自己的人工智能小冰;百度也开始实验自己的无人车;AR/VR等产品开始进入普通人的生活;而Style Transfer技术,则更是生成了无数千奇百怪的艺术作品。

那么,回到原理上来说,当前人工智能的本质究竟是什么呢?

实际上可以说,当前人工智能学习的过程是一个表示+优化的过程,将大量积累好的数据和经验以合理的形式表示出来,并且放入深度神经网络模型中来训练学习,通过设定一个特定的优化函数来进行反馈并指导模型的调整,最终得到一个指标较好的模型,这就是一个概括化的神经网络模型训练过程。

这正好似令狐冲学习独孤九剑一般。目标或者说优化函数是什么?打败田伯光;模型是什么?令狐冲本人;输入的数据是什么?剑谱上的招式和风清扬前辈的指导经验;通过剑谱上招式和风太师叔的指导,来训练令狐冲的剑法,并且通过与田伯光对战来检验成果,进行反馈和再训练。

回过头来想想,要是令狐冲追小师妹的时候,也能有一堆恋爱数据来进行训练,那该是有多好呢?

现如今来讲,AI可以应用的场景实在是太多了,练习独孤九剑可以,追小师妹可以,下围棋可以,无人车也可以。但是,能够应用的场景,可远远不止这些。一些我们普通人不太能够想得到的场景,实际也有大量人工智能工作参与其中。

有一个笑话是这么讲的,每个程序员,在人生的某个时刻,都思考过电梯调度算法。

不知道各位有没有曾这样想过,但我本人是真的思考过,而且还不止一次。FCFS算法;SJF/SPF算法;HRRN算法等,都时常萦绕在我那颗等电梯时的脑海中。

为什么等电梯时会想到调度算法?而读笑傲江湖时又会想到人工智能呢?

其实两者的根本都是一样的,那是因为,当人们在一个行业学习浸淫太久,花费了太多时间和心血之后,自然而然的就会把知识和方法论用到生活中,对于热爱和忠实于某个领域的人,但凡有个机会,自然会很乐于将其所涵盖的知识面一股脑的倒出来。

例如,大街上看到一辆随处可见的共享单车时,不同行业的人就会产生不同的思考方向。

物理学家可能会思考的是:为什么自行车能够保持自我稳定?有没有一个简单的物理学理论来解释?进而可能会想到如车轮的陀螺效应、车的质量分布和重心以及轮脚的作用等一系列概念。

而作为计算机和人工智能的学习者,我所思考的是:这辆单车上有没有传感器、GPS/北斗模块、蓝牙模块?这辆车为什么会停在这里被我看到?它内部的调度算法是什么?进而可能会想到,车辆的管理、追踪及故障维修等方面,是否有着人工智能工作的参与?

我是一个遇到问题喜欢稍加钻研的人,独孤九剑剑谱可以用于令狐冲武功训练;FCFS可以用于电梯调度;区域算法可以用于红绿灯调度;那么,共享单车背后的调度维修等运作逻辑又是什么样的?传统算法或者人工智能又在其中起到了什么作用呢?

杭州市内到处可见的自行车非哈啰单车莫属,因此我对其开始了调查工作,目前对于内部逻辑也有了一个大致的了解。

首先,一辆车的完整生命周期主要分为四个阶段:新车投放 日常骑行,维修保养,老车汰换。

这些步骤中,使用者只负责日常骑行,剩余的三个方面都是由平台来完成的,这其中自然少不了相关算法模型的参与。其中,最值得讲解的便是故障车的检测算法和处理工作了。

从数据方面谈起,这部分实际上很容易能理解。首先,我们能从一辆自行车中得到些什么数据信息呢?

最简单直接的就是用户报障信息,碰到不能骑得车辆时,我们必会选择换一辆车来扫,此时如果能顺手上报一下故障车辆信息,那应该是最简单直接,同时也最可信的信息了。

另一种则是传感器失效的问题,如SIM卡失联或者电量不足等。这种的话,车辆在后台直接没有数据,也就是失联了,自然能分辨出来是属于故障车辆。

不过,上述信息的问题在于其太过滞后,要等到传感器完全损坏,或者车辆损坏一段时间后才能获知此信息,对于使用者和商家来说,均不是一个好的体验。

要先提前判断和分析出故障车辆或者疑似故障的车辆,那就要涉及到机器学习算法模型了。

我们能从一辆车本身获取到的信息实际会有很多,例如车上智能锁的版本、车龄、运营时长、总骑行里程;智能锁心跳:电压、电流、信号、温度等;更广一点的数据还可以汇总当前位置的路网信息,车辆所在运营网格的翻台、故障率,近期车辆订单分布及变化趋势等等。

这么多的数据如果白白流失而不用来训练机器学习模型,那简直是一种浪费,不过还好,并没有浪费。

对于每个出行单车,哈啰后台都会依据车辆特征提取,通过训练好的预失联模型矩阵,来精确识别出来一些即将要失联的车,包括它们距离失联的时间也会给到运维人员,从而计算出运维工作的优先顺序。通过模型推理得出的故障标签和疑似故障标签,可以区分优先级通过线上协同分发给线下工作人员去处理,这样可以使得故障产生到运维处理故障的时间大大缩短,提高厂商处理效率的同时也方便了我等自行车骑行者。

长河渐落晓星沉,万事万物都在不知不觉间慢慢向前推进,世间的很多事都是我们所无能为力的,尽管苦苦挣扎也无济于事,饶是你的独孤九剑天下无敌,少林武当无人可挡,面对小师妹之时,也会顿生挫败无力之感。

仔细想想,倘令狐师兄能够如共享单车般,提前进行故障预警,及时做出维修处理,又何苦相爱而不可得,以至于在无数不经意间击穿读者的泪腺呢?

对不起了,小师妹,只怪我不懂人工智能。

不然你我,又当如何?