人工智能拴住了外賣騎手，或許也能幫他們破局 | 造就x張江「新基遇」_風聞

　　2020年9月，一篇《外賣騎手，困在系統裏》讓所有人開始再度思考人工智能與人之間的關係。

　　在這個故事中，數據和算法是原罪。技術進步“瘋狂”且“要命”，越走越緊迫的時間，越來越精明的報酬計價，將外賣騎手牢牢地困於其中。

　　而這些拴住他們的工具是否也能反過來幫助他們破局呢？

　　（本期內容出自造就x張江「新基建」系列直播第一期——數據新能量）

　　彭垚

　　閃馬智能創始人兼CEO

　　**城市異常行為，**不止穿行的外賣騎手

　　外賣騎手們的工作非常危險，為了送外賣，他們可能會闖紅燈、違法轉彎，甚至騎行到機動車道上，他們的時間緊迫，也因此產生了非常多的交通事故。

　　而這些問題其實早在18年就被關注了。

　　當時我們關注到，外賣和快遞兩個行業已經造成了新的城市壓力和負擔。同時，城市之中近2億台攝像頭所產生的海量數據，並沒有真正地創造社會價值。

　　因此，在18年底19年初時，我在城市中之選了四個相機的點位，做了一個實驗。

　　結果發現，在兩個月內，**外賣騎手的違法量就達到了4673條，平均每日的違法超過700條。**而這個數字遠超我們的想象。

　　某市非機動車智能管理平台試運營情況

　　我們通過政府，將這些數據反饋給相關的企業，希望企業能夠從這個角度去更多地關注到自己騎手現在的生存狀態。

　　同時，當外賣平台讓騎手們規範地穿上有號碼牌的衣服，我們也幫助城市管理者，通過已有的攝像頭****，實時地去發現騎手們交通違法的現象。

　　有了這些洞察之後，至少從個人的角度，大家會更加重視自己的違法行為，對騎手本身也是一種保護。

　　外賣騎手的問題，本質上就是人和城市之間相互關係的問題。

　　城市在高速地發展，而到達一定階段後，我們就可以看到人與人之間，產生了一些新的連接模式、運營方式，以及線上線下的互動方式，隨之帶來的就是城市中新的問題。

　　外賣騎手的問題是其中的典型，但城市之中的異常行為卻遠不止如此。

　　不久前我看到一個視頻——鄭鈞説一個人在城市中生活，非常痛苦、非常艱難，他也提到要在城市裏面很好地生存下去、堅持下去，就是要愛和勇氣。

　　對於人來説，愛和勇氣兩個堅持，才能人能夠在城市中找回自己的本心。

　　我想，對於人工智能也是一樣的，城市中的人工智能只有擁有愛和勇氣，才能讓人和城市真正地走向未來。

　　人工智能，可以是一個有温度的科技

　　人工智能只是一項科技，科技本身只是一個工具，但是隻要我們用科技去做更有温度的事情，它就能成為一個有温度的科技，它為城市賦能，就有機會打造出一個更有温度的城市。

　　這也是我們現在去做城市的行為發現、空間洞察的原因，我們其實最終目的還是希望，通過人工智能技術去打造一個有温度的城市。

　　我去過大大小小的100多個城市——有像上海的這種特大城市，也有更落後的一些城市。我都是親自跑去當地調研，去看了每一個的路口的實際情況，攝像頭的條件，以及攝像頭能看到什麼。

　　我發現，相比於農村，城市最大的特性之一，就是人與信息的流動性極高。城市就是一個巨大的人和信息流動的場所。

　　這兩種流動性不僅促進人類進化，也為人帶來了更多的困難。

　　因此在這個過程中，就需要去研究流動性、管理流動性，才能真正地讓城市流動得越來越順暢，從而讓每個人能夠感受到越來越有温度的生活。

　　所以我選擇成為了一個城市空間的洞察者，利用空間中視頻的異常行為，去發現人和信息在流動過程中不順暢的狀況，從而去賦能空間，去打造一個更美好的城市空間。

　　根據人和信息流動性的特性，我將城市空間分為了五類——道路交通空間、工作學習空間、生活娛樂空間、互聯網信息空間與城市環境空間。

　　之所以這樣分，是因為在這些空間內，不論是人和信息流動的速度還是流動的方式，都有着本質的區別。

　　**道路交通空間****是有着既定的交通規則的。**從過去的馬車到現在的車輛，從路到橋，交通在不斷演進、越來越便利的過程中，也形成了既有的空間設置——如人為修築的路、畫的線、紅綠燈、信號燈等。因此它的異常行為是突破這個規則的行為。

　　**工作學習空間****中人的數量和種類都相對固定。**因此在這個空間中如果一個人沒有和大多數人一樣去做某件事情，他就會被AI引擎發現，被定義為異常行為。同時這些異常行為本身，也可以賦能到這個空間本身的管理中來，比如在一個生產空間中，原來的供需關係是A->B->C，但是發現對於B和C而言，大家往往喜歡先做C再做B，這時候這個空間本身的規律設施或者工作模式，就可以進行演進升級。

　　生活娛樂空間**，是一個羣體的空間**——比如看演唱會、看展覽、去超市或者大商場，包括過年的時候，會有很多人跑到人民廣場去跨年——很多人來到這些場所，帶來的是城市瞬發性的流量變化。而這些瞬發性的人流量，本身就是城市中人的流動性中不和諧的因素，甚至會產生安全隱患，因此需要洞察者去幫助城市及早地發現這些行為。

　　互聯網信息空間**，是充滿各色內容的空間。**我們每天刷抖音、看朋友圈都可以看到非常多的圖像、視頻，這些推送給我們的信息，由不同的人生產，內容也千奇百怪。這個過程中，就需要我們及早去洞察其中不利於人身心健康的內容，從而在城市信息的流動過程中，幫助人們更好地交流。

　　城市的環境空間**，則是非常零散的****空間。**它的問題出現是一個非常緩慢的過程，比如河道中有了垃圾，或者建築工地有了揚塵，而這些問題都會日積月累地成為長期性問題的。所以我們更需要在短期內，去發現城市環境空間中異常的事物，從而對環境長期的可持續發展產生積極的影響。

　　在五大空間的基礎上，我們所做的，就是利用人工智能為這些空間進行賦能。

　　在這個過程中，人工智能是一種新基建，和5G網絡、超算中心等一起，作為未來城市的基礎，可以去做一些問題的發現。但是我認為它最重要的是，發現這些問題之後，去成為未來城市的應用，讓城市變得更安全、更乾淨、更有序。

　　我與純科研出身的教授學者不同，本身是工程師出身，也做了不少的產品，賦能到一些核心的行業之中。因此我更深刻地體會到了，技術給人類最大的幫助，是真正解決身邊的問題。

　　人工智能技術的發展已經到了一定的階段，我們現在應該更好地去應用它，一體化地把基礎的研究轉化為能真正解決社會問題的應用。

　　流水線上的人工智能，將通向未來

　　當然，要實現這些應用，並非易事。

　　第一，整個城市中各類事件層出不窮，視頻的數據量本身就很大。

　　第二，對於五大不同的城市管理空間，每個空間都有很多的行業——例如道路交通空間，它至少有交通管理的部門、交通運輸的部門，也有像這種公路運營方、道路基礎設施的建設方等等——不同行業的需求也不盡相同。

　　第三，視頻資源建設有多種模式，有來自政府的，如平安城市、天網工程、雪亮工程等等；有來自企業的，包括許多企業自己設備產生的視頻；有來自合作的基礎平台的，如阿里雲、騰訊雲、華為、七牛雲等等；還有來自互聯網的公開數據。

　　這麼多的數據和平台的支撐下，要構造一個如此之大的系統，難度也極其得大。

　　而要把各行各業的異常行為賦能好，就需要有一個非常高效地建立模型的平台。

　　因此我和林亦寧博士下定決心，研發出了ATOM深度學習平台。

　　2016年，我和林博士在七牛雲創建深度人工智能實驗室的時候，就發現了有非常多的手動工作，讓我們沒辦法專注地去調試我們的算法。

　　這些工作之中，百分之七八十的工作都是完全可以由機器去替代的，如果這些工作可以做成一個強大的平台，將幫助我們加快我們的研究。

　　而最終我們有了這樣一個平台，相比於開源的算法框架，它更像是一套完整的生產線。

　　在這條生產線上——從生產的原料開始，數據的標註、加工；到核心算法開發人員，可以像工藝師一樣，非常方便地去調試算法、參數，去把人工智能算法放到這個平台上；再到它全自動地對模型進行檢測和評估，最後上線——其實是有非常多工序的。

　　但最後它也成為我們真正能夠去解決，如此長鏈條過程的一個核心工具。

　　如果沒有這樣一個平台，我們也很難對那麼多行業，生產出對應的模型來。

　　有了人工智能的流水線平台後，我們便做出了很多的空間內的基礎模型。這些基礎模型幫助我們去把空間中的內容能夠解構出來，從而能夠發現其中的異常行為。

　　而在這個基礎上，要把這些模型構形出來，裝載出來，再賦能到行業，還需要有一套非常工程化的平台。有了工程化的平台之後，我們才能真正去解決一些**行業關鍵性技術（Know-how）**的問題。

　　每個行業的關鍵性技術問題各不相同，具體的賦能方式也不相同。

　　像道路****交通空間中，需要識別非機動車的違法、道路上的車輛的事故、擁堵等一系列事件；

　　像工作學習空間中，需要甄別一些觸發安全危險的行為；

　　像生活娛樂空間中，例如外灘的大客流，人數超過多少的時候需要預警；

　　像互聯網空間的涉黃涉暴、政治敏感的內容識別；

　　像城市環境中的揚塵治理、河道治理等。

　　在這個過程中，作為一家數據中台公司，人工智能所賦予我們的是一個洞察者的角色——從原來手動的被動的發現，到了人工智能之後實時的在線的洞察。

　　而人工智能的異常行為發現，或許也能幫助到更多的使用者，比如公路的運營方，在有了人工智能的異常行為發現之後，就可以更高效地運營公路，把公路的安全性、有序性，以及通行的效率都大大提高。

　　我們也希望就是在未來，通過異常行為的發現，能夠去構造一個人跟城市之間更美好的關係，去打造一個真正有温度的城市。