最近都被谷歌AI的“猜畫小歌”虐了吧？

AI能認出“手殘黨”們的畫，背后的原因在于無數人類正在通過自己的腦洞滋養AI，學習眾多人類對某個物體的抽象畫之后，AI就能夠獨立把握住識別繪畫的關鍵部分。

利用海量真實數據來“喂養”AI，是讓AI快速提升能力的不二法門。但猜畫這種臨時養殖場只能提升單一能力，應用價值不高。有沒有能夠提升多種AI技術能力，又在潛移默化中完成數據學習的“天然AI養殖場”呢？

真有一個，那就是地圖。

今天的電子地圖，已經是城市海量地理數據、交通數據、人流數據、天氣與水文數據，以及各種交通路線與出行方案的結合。對于AI來說，地圖是一片水草豐美（數據夠多），營養充沛（有效數據比例大），經濟價值高（關乎經濟民生）的天然牧場。

整體來看，地圖在今天至少可以通過三種方式“飼養”出更強壯的AI：

1、為前沿智能體提供訓練空間

2、讓城市智能型AI得到有效的實際應用舞臺。

3、為AI語音交互技術提供獨一無二的學習與使能入口。

讓我們分別來看著三種“AI喂養方案”。當然，用地圖培育AI的根本目的是讓地圖本身不斷升級，最終組成良性循環。

一些AI的終極秘密，可能要在地圖里搞出來

讓我們先來看看最前沿的AI技術是如何在地圖中誕生的——

有些朋友可能覺得，地圖嘛，無非就是連上GPS，在兩點間規劃個線路，用什么AI？

其實不然，地圖中不僅可應用AI的地方很多，甚至可能隱藏著AI的某些終極秘密。

想象一下，你到了一個陌生城市。倆眼一抹黑哪也不認識，但是你知道要去火車東站，這時候不借助任何導航設備，你也會知道：絕對不能往西走。

這個判斷是如何做成的呢？事實上，人類的大腦沒連著衛星，平常人也不可能存儲大量地圖數據。但迷路的人卻只占少數。這是因為人腦中有個叫做海馬體的東西，它負責幫人類判斷位置感空間感，從而進行選擇性預測。

也有科學家認為，海馬體不僅控制認路這個功能，還直接影響著人類做出選擇、做出對未來預測的能力，可以說是人類智能的關鍵因素——但是怎么探索海馬體的秘密呢？畢竟不能把人類海馬體摘除了看結果對吧。

而最新答案居然是，在地圖上跑AI。

今年早些時候，DeepMind在《自然》雜志發表了新的研究：他們把一個智能體放到地圖數據中。在不給它預設方位和地圖數據的前提下，讓AI模仿人腦中的海馬體，自動在地圖中需求位置，規劃道路。

實驗證明，AI可以用像人腦一樣，用增強學習的方式去認路。這既闡釋了人腦的工作原理，也給未來AI研究帶來了新的方向。而整個研究的實驗基礎，就是建立在地圖之上的?？梢哉f沒有精準的地圖數據，AI仿生人類大腦進行空間預判的研究就無從談起。

這個故事證明了，地圖對于AI來說至關重要。AI在地圖中學習，并反過來讓地圖更好用，似乎是我們應對越來越復雜城市時的一個良性循環。

城市計算的硬功夫，離不開地圖的捶打

俗話說的好，你的夢想有多大，你下班的時候就有多堵……

讓一個城市可以智能起來，讓積水、堵車、霧霾這些糟心事不再發生，是人類暢想了幾十年的話題。但城市到底怎么才能夠“智能”卻是個巨大問題。有人嘗試用認知系統，有人嘗試用大規模的城市數據建模，但最終大家還是發現，讓城市主動和聰明起來，是建立在地圖數據基礎上的。

舉個例子，我們想要規劃從家到公司，一般情況下可能用不到AI。但假如要規劃從港口發到市中心一萬噸貨物，那么時間、地點、交通擁堵情況，需要配合的車、人、倉庫、起重機，就成了一個復雜的數學問題。如果憑經驗去簡單計算，可能搞出來的會是個費時費力的方案。而通過城市AI去學習相關地圖數據，綜合理解上述變量，就可以在最低限度影響交通、最快完成任務的情況下，給出相應的運輸方案。

基于這種AI與地圖的結合，IBM很早就開啟了智慧星球方案。而它的老對手微軟隨后開啟了城市計算業務，專門用AI去透視地圖里的各種因素。

今天的地圖應用里，城市數據和AI的深度結合已經能見到很多案例。比如谷歌地圖的智能停車場功能，就是當地圖感知你到了某個停車區域的時候，利用AI來綜合判斷附近的停車環境，給出最優停車方案。

可以看到，很多傳統的地圖無法解決的問題，在城市AI的加持下開始找到了鑰匙。城市智能的硬功夫，也正在被地圖的多元化和高精化培養起來。

語言魔法，需要在地圖里修煉

最后，還有一種可以在地圖里修煉起來的AI能力——那就是千變萬化的語音交互。

怎么能體現出華少嘴皮子快？前提是需要他說的東西足夠多，如果就一個冠名商，嘴皮子再快也沒用。

AI也是一樣。怎么才能體現出AI語音交互，可以完美執行復雜任務？前提是確實有這樣的復雜任務存在。生活中大部分我們要讓AI做的事情，要么就是過于簡單，要么就是主觀性太強，AI再強也不好理解。

而又復雜又客觀的任務集群，那就是地圖導航。

毫無疑問，地圖是海量地名、路段、時空關系的結合體。假如我們想要先去加個油，再去買個東西，再去公司拿個東西，最后回家的導航任務。那么就會產生一段涉及4個地點信息，3個事項的復雜語音任務，基本相當于繞口令。

事實上，除了導航之外，我們生活中是很難產生這么復雜的語音任務的。就像猜畫小程序要用游戲的方式征集大家對某個物體的抽象理解一樣，地圖也正在基于實用性，征集大家的語音語料，以及復雜的語音任務。

這場修煉已經初見成果。3個月之前，我們看到百度地圖面對繞口令一樣的語音命令，只能用“你敢再說一遍嗎”回懟。而在月初的百度AI開發者大會上，百度地圖已經真的可以識別“繞口令”生成導航路線，解決復雜長語音多地點需求。

這個AI變強了的故事背后，是地圖導航已經可以拋棄打字，完全采用語音交互。

就像有了彩電就沒人看黑白，動動口能完成的事兒當然沒人愿意打字。語音交互可以在用戶試用地圖的過程中不斷學習，反過來將新的解決方案在地圖應用送實驗。

從這個角度看，地圖就像是AI技術的“新手村”。

文︱腦極體