英国科学院院士、英国皇家科学院院士、伦敦大学学院高级空间分析中心主席Michael Batty丨人工智能与智慧城市

演讲嘉宾：英国科学院院士、英国皇家科学院院士、伦敦大学学院高级空间分析中心主席Michael Batty

女士们，先生们，大家好，我今天演讲的主题是人工智能与智慧城市。我叫迈克尔·巴蒂，是伦敦大学学院的城市规划教授。如果你想要这张PPT或PDF，你看这张幻灯片显示了能下载文件的网址。现在你可能没时间把网址抄下来，但是大会组织者会把文件传给你。下面我开始今天的演讲。

开头我想简单介绍一下人工智能与城市，以及人工智能和计算机，因为计算机和城市的计算机模型在某种程度上已经成为了过去七八十年间计算技术发展的同义词。然后我会谈到一个相关的话题，那就是智能城市的出现。我想对高频城市和低频城市进行区分。高频城市中一切瞬息万变，我们需要管理交通系统、社会媒体等等方面。低频城市是关于我们如何从长期的角度来改变一座城市，例如我们如何规划计划上海的扩张、城市部分区域的重建，低频持续的时间更长。然后我也会把它与大数据和实时数据流联系起来。

这是AI的第三个重要概念，智慧城市，然后是大数据。之后，我会采用三个不同类型的例子，让大家了解我们如何开始在城市中使用人工智能。我会和大家分享三例。首先是虚拟现实技术（VR）和增强现实技术（AR），这是我们熟悉的3D城市模型。然后我要讲一点实时模拟的内容。最后，我会谈谈长期设计的想法，如何使用人工智能为城市进行规划和扩展。我在演讲收尾时会和大家分享几点想法。

第一张幻灯片是人工智能城市，城市的计算机模型只有短短的历史。在计算机发展的初期，也就是在第二次世界大战期间，美国，英国和德国同时发明了数字计算机。从一开始，人们立即就想到，人工智能可能成为思考计算的一个关键。伟大的人物，比如图灵，在这个特殊的背景下讨论了人工智能。在某种意义上，从一开始，人们就认为计算机会出现微型化的趋势，也就是认为计算机会变得越来越小、越来越强大，这给了我们发展这些人工技术的机会。事实上，图灵，诺伊曼，罗森布拉特，都是将计算机比作大脑的先驱。

1956年，约翰·麦卡锡(John McCarthy)在新英格兰地区达特茅斯的一次会议上首次创造了这个词：“人工智能”（AI）。起初，这是一种强大的人工智能。当时的想法是我们要发展这种强人工智能。人类将把自己做决定做决策降到最低。这是一项雄心勃勃而又困难艰巨的任务。事实上，长话短说，经过20世纪50年代和60年代的发展，事实证明，这种强大的人工智能显然超出了我们的能力范围。

过去30年到40年来，人工智能已经从强势让计算机试图编程来模拟人类如何做出决定，转为采用大量的数据来让计算机从数据中找出模式、产生想法。在这个过程中，让计算机做出决策。所以最终，计算机已经嵌入到我们造的一切东西中，这产生了大量的数据。

从这种意义来看，在大数据中寻找有符合一定模式的数据已经开始改变我们对人工智能的看法。让我给你们举个关于搜索数据中的模式的例子吧。从这个意义上说，谷歌翻译就是一个很好的例子。让我来演示一下，我要把一段文字翻译成中文。你可以在幻灯片上看到我已经加载了谷歌翻译。我输入了以下几句英文句子。我把句子念出来。事实上，人工智能就是学习如何识别数据中的智能，而不再是如何让机器智能地进行思考。谷歌翻译就是一个很好的例子。让我演示一下把它翻译成中文。在幻灯片的右边，你可以看到对应的中文翻译。我只需要在搜索引擎中输入，出来就是中文。

这张图是放大版，你可以有空的时候看。本质上，在这种情况下所发生的事情是谷歌并没有，或者说，计算机没有去处理语法和句法等语言要素。它所做的是在一个巨大的数据库中搜索与汉语相似的英语模式，然后在特定的语境中匹配它们。这本质上就是弱人工智能。它并不是我们人类定义的智能。但它之所以聪明是因为它对我们实现目标很有用。它是一种更狭窄、更弱的人工智能形式。

下面我们谈谈智能城市的出现，高频城市和低频城市。我刚才定义了高频城市和低频城市。高频率城市指的是在几分钟或几秒钟内处理短期变化。因为电脑已经缩小了规模、嵌入到城市内部，我们就可以利用计算建模、测量和管理短期变化，例如交通系统等等，使用电脑上产生的大数据和传感器产生的大数据来管理这座城市。所以在这个意义上，在过去的二三十年里，城市本身已经变成了一台电脑。在此之前，我们将使用电脑来了解这个城市。但是如今，城市本身正在变成一台电脑。

这是一种矛盾：我们用来理解和规划城市的工具，也就是计算机，实际上也被用来规划同样的系统，在这个特定的环境下，城市里实际上到处都是计算机。我把它和时间联系起来。在这个意义上，高频城市是指将电脑嵌入城市并产生大数据。低频城市正在研究我们已经研究了很多年的问题，指的是一个较长时期的城市规划。

我给大家看一张图表来展示这些概念是如何结合在一起的。假设我们可以这样来考虑城市这个概念。左上角，是真实的建筑和社会环境，黄色的盒子，就是真实的城市。这就是我们想要了解、管理、规划的城市。我们对城市的理论就是我们表达它的方式。我们取一些城市的突出点，然后建立模型。我们在这个意义上建立了对城市的理解。数据取自真实的城市，因此从这个意义上来说，这几者是有联系的。

然后我们根据理论和合理规划制定计划和干预措施。从这个意义上说，城市规划实际上改变了真正的城市。两者环环相扣、一环套一环。很多年来，实际上是几百年来，人们在思考城市的时候都在思考这样一个循环：为城市制定计划，实施计划，改变城市，然后看看这个计划在某种程度上是否奏效。在过去的20年里，计算机已经缩小到可以嵌入到城市的程度。事情开始发生了改变。计算机和传感器出现了。

那个盒子表示它被嵌入到城市中、被引入到城市内部来改变并加强城市的功能。这产生了实时流数据。所以你可以看到这是一个很大的转变。如果我重新打开幻灯片，你可以看到我们把电脑引入了城市。然后实际上，实时流数据由此而来。现在这个概念是关于弱人工智能，实时城市是大数据产生的地方，智慧城市在某种意义上与低频城市正好相反。低频城市是更长期的城市规划。而在这幅图中，我们可以标记出信息源。

其特点是需要挖掘大量的大数据。这些大数据需要利用人工智能技术及进行分析。因为这些数据中没有必要的结构，不像我们通过向人们发放问卷收集的数据，这类数据实际上一直是由传感器产生的，主要是因为信息控制。这让我们更强烈地将真实的城市和智慧城市联系起来。好了，我得快点了。从某种意义上说，所有这些都被宽泛地称为城市分析，也就是大数据。

让我们进入下一张，大数据，实时流媒体。我会很快地过一遍，因为时间有点紧。实时流媒体中的大数据，之前我们已经看到了大数据是如何产生的。而大数据是由我们的传感器产生的，这些传感器往往是固定在环境中的，但也越来越多地由移动传感器产生，如手机、智能卡等等。这些我们的传感器一直在产生数据。

事实上，在听这个演讲的各位，可能都有自己的移动传感器，它一直在生成数据：社交媒体数据，电子邮件数据，网络数据，等等。制造这些设备的人在收集与他们的位置相关的数据。从这个意义上说，这些数据为我们的思考引入了时间这个概念，因为这些数据随着时间的变化产生。在这种情况下，我们可以说这些数据在很多方面都是巨大的。在西方，我们经常谈到是数据规模。

数据在数量上是巨大的，但是数据也有其他的定义，比如：数据积累的速度，数据的多样性，数据的规模。在这个特定的语境下，还有数据的真实性等等，有六个维度的数据定义，都是V开头的单词，其他还有Valence（连接），指的是大数据之间如何产生联系，还有Value（价值）。但数据规模是主要的标准。所以在城市里有很多地方。在某种意义上，城市中一直都在产生大数据和实时流。让我为大家简单介绍一下这个概念，如果我们在数据中产生交互模式，其实我们一直在产生交互模式，因为我们在城市不同的位置移动，这就产生了大数据。如果在城市中某个位置，100个位置，就有100的平方可能产生数据交互。城市中这样的数据一直在产生。

大数据一直伴随着我们。这里有几张图片，从中我们可以看到大数据的例子可以追溯到19世纪。事实上，在爱尔兰，通过大数据可以显示你如何移动。然后你可以在这里看到一些图片，这些图片展示了目前我们的大数据世界中正在发生的事情。好吧。现在我们来看一些例子。我有三个例子，想快速给大家分享一下，这三个例子各有不同。

我们先来看看城市中不同要素的特性表现。这些建筑向你展示了一些虚拟现实的画面。我们可以在这些虚拟现实和建筑里嵌入传感器，来实现城市增强现实的效果，这样我们就可以实时管理这座高频率的城市。然后我想谈谈交通流量和交通换乘，这个例子非常具体，但是我们已经利用智能卡的数据，在交通系统建模方面做了很多工作。我给大家举个伦敦的例子。

最后，我想谈谈GO设计，这是一种可以运用人工智能进行增强现实的设计方法，我们可以从这种新的维度来思考应该如何规划一座城市。这是我们3D模型的一些图片。伦敦的3D模型已经有20年了。下一张幻灯片展示的是大约15年前我们制作的伦敦3D模型。这就是伦敦的区块模型。你可以看到那座是伦敦塔桥。走过来，你就能看到国会大厦了。这是我们居住的土地使用和活动的实际模型。我继续向大家展示线框模型。这是我们的线框标记模型。

这是同一个模型。但它并没有在任何特定的背景下呈现。所以我们对它进行扫描。这些大家都很熟悉。我们在伦敦，对不同的群体建立了大概20到30个这样的模型，我相信在上海在浦东，也有很多类似这样的模型。这些模型的核心作用是实现智能城市。我们可以用额外的数据填充这些模型。我们可以用这些模型做很多有趣的事情。下一张幻灯片向你们展示了我们如何将这些三维模型嵌入到它们自身中去，基本上采用递归的方式，然后开始构建各种各样的媒体。关于我们如何使用这些模型进行思考与规划，这是我们在东伦敦的一个例子，在我们的校园里，这是一座比较大、比较新的建筑。我们实际上是在给大楼布线。

我们实际上是在建造这个建筑的3D模型和一座真实的建筑，我们用传感器把它连接起来，传感器是在城市中非常常见的人工智能应用，你可以看到这些小传感器在建筑的某个位置。然后3D模型从传感器中获取信息并把它放到一个我们可以实际管理它的环境中。现在我会快速地讲第二个例子。但这个例子让大家理解我们是如何感知城市的环境的。与此同时，我们也可以用同样的计算机来构建3D表示。

第二个例子是实时模拟，伦敦地铁上的乘客需求和火车数量。你可以看到地铁里的人进进出出，用的是伦敦的牡蛎卡。但是乘客也可以用手机，苹果支付，信用卡等等。就像在上海也有一个非常强大的地铁系统，可以使用智能卡乘坐。在右边，标注了火车的位置。在左边，标着记录在智能卡上的旅客的需求，而火车的供给是系统管理的一部分。我们想把两者结合在一起。这种模式的一大挑战是将两者结合起来。

在伦敦的地铁系统中，法律不允许我们这样跟踪乘客的出行。所以伦敦交通局必须开发出一些非常特殊的工具来将这两个系统连接起来。这实际上就是伦敦市中心的铁路系统，智能卡产生了许多数据。我们把这些数据放到地下轨道系统一起分析。这就是我们从客流中得到的数据。现在只要点一下，你们就可以看到，右上角有一个计数器。你会看到数据流变密了。这些数据是将乘客需求数据拼在一起构成的。

我们现在看到的是星期二的数据。我们刚刚看到的周二早上的早高峰。然后是周二晚上的晚高峰。然后在一天结束的时候出现一个小高峰，一天结束的时候出现一个小脉冲，这样我们就得到了一个合成的数据集，包括七天的基本数据。你可以看到，这些数据就像一个城市的血流图。它是城市中实际传输的能量。这里有一些其他的照片。你可以看到，在另一边，火车在这个框图上展示了我们如何从追踪中获得自动数据。

我刚才点击了右边。在最上面能看到的，在最上方可以看到实际的乘客数据。事实上，你可以通过底部计算出列车的数据。我们有需求数据和供给数据，我们想把两者整合在一起。我再给你们看一遍火车的数据。其中一个有趣的特点是，如果我有时间，我可以讲一下这些火车，有些火车并不在他们的线路上。这是系统中的噪音。因为我们在伦敦使用的这个地铁系统非常古老。它基本上是一个模拟系统，在这一点上有很多小故障小毛病。

我想给你们展示这张1939年的照片。那是很久以前了。这其实是1939年的大数据，是计算机还没有发明出来的时候。这些女士在伦敦地铁系统里数着到达目的地的车票。所以太阳底下并没有新鲜事。这些分析大数据的思路基本上就是我们城市管理的基础。

最后，我想谈谈使用人工智能的GO设计，这在某种意义上是一种背离。但它的理念是，我们可以使用人工智能来观察我们是如何将对城市未来规划很重要的事物联系起来的。所以我的最后一个例子其实将一系列因素联系在了一起。我们确定了在实际优化解决方案中，以及优化城市发展时，需要考虑的一系列问题和因素。我们正在寻找这个城市的新发展。下一张图片展示的是一个小镇。在英格兰西北部。在图片上方标出了12个不同的因素，这12件事影响着这座城市。

这些因素代表城市周边发展的不同位置。每幅图中每个因素中较暗的部分，在图上，我们可以看到，从1到12，图上暗的部分，是我们可能会考虑的最佳位置，而白色部分是不受欢迎的位置。这张图非常粗略地根据有利位置和不受欢迎地区做出分类。如果我们选择第一个因素，而不是第12个因素，这将意味着一个不同的位置，可能是重叠的位置，但对我们发展的定位是不同的。从这个意义上说，我们所做的是，把这些关系图放在一起。然后使用12个因素之间的关系图来开始考虑优化。

实际上，我们可以考虑对这些因素进行平均化处理。我们回顾一下。这些都是需要考虑的因素，我们可与把这12个因素进行平均，不断平均，以减少它们之间某些差异。现在，我没有时间详细讲解这个技巧，但是长话短说，这类似于，使用神经网络求平均的过程。我们已经取了12个因子。我们根据我们的网络平均这些因子，并减少新的12个因子。让我把它转过来。让我告诉你们这些因子是如何平均的，这是我们的1到12个因素。这些是我们求平均的迭代。你可以看到最终的解决方案开始收敛到考虑到不同的权值以及它们之间的关系。

让我快速讲下去。这是神经网络的经典例子。我们会采用这种方法，来分析观察许多城镇，试着找出最合适的权重，接下来，我们会用不同的因素攻击神经网络。一系列与此相关的数学运算表明，其实这与人脸识别的概念没有什么不同，你可以认为是把这些因素输入到神经网络中去。最终，通过一系列迭代和加权的过程，我们得到了最佳的因子。这就是使用这种人工智能技术的GO设计的精髓。

这是我最后一张幻灯片。我们将何去何从?真正的智能城市。这些问题非常的宏观。城市是非常复杂的整体。它们是从下往上进化的，人工智能帮助实现城市中一些常见功能的自动化，使我们能够关注到一些更智能的，与人类更加相关的智能的功能，这对城市规划设计很重要。因此，其中的一个问题是我们在城市中构建人工智能能走多远?从某种意义上说，我们将人工智能运用到城中的常规体系。在某种意义上，我们用人工智能来开创新城市。但我们并没有用人工智能来取代发明创造。人工智能永远不会取代人类自身的规划设计能力。

在某种意义上，人工智能对自然体系产生了巨大的影响。从人类系统的生理学角度上看，人工智能在城市中嵌入了传感器，但它们并没有改变任何我们过去没有做过的事情。我们仍然面临挑战，需要建设更可持续、更公平的城市，但希望人工智能能够真正帮助我们。我的演讲结束了，感谢大家的聆听。我写了几本书，已经译成中文，一本是19年出的《城市新科学》，还有《发明未来城市》，今年由麻省理工出版社译成中文。如果你想要英文版本。可以来找我，谢谢。