7月20日晚，極?？v橫（GeoHey）核心技術(shù)研發(fā)總監(jiān)、機器學習專家——徐翔，就《空間大數(shù)據(jù)與人工智能的碰撞》從技術(shù)原理、創(chuàng)新思維等方面與大家分享了極海在人工智能與空間大數(shù)據(jù)有機結(jié)合方面的經(jīng)驗，為大數(shù)據(jù)百人會社群帶來一個多小時的精彩演講。

機器深度學習、人工智能技術(shù)的誕生進一步拓展了空間大數(shù)據(jù)的服務能力。人工智能技術(shù)不僅能夠提升數(shù)據(jù)處理能力及效率、降低人力消耗，更使得空間大數(shù)據(jù)服務應用到更多領域。當空間大數(shù)據(jù)、云計算與人工智能發(fā)生碰撞時，地理服務產(chǎn)業(yè)勢必會發(fā)生神奇變革。

徐翔老師從人工智能的由來展開，闡述了人工智能作為總體與其下分支學科的機器學習、神經(jīng)網(wǎng)絡、深度學習之間的區(qū)別和聯(lián)系。然后對極海在人工智能和空間大數(shù)據(jù)結(jié)合應用方面的實際案例做了技術(shù)性的講解，以及大數(shù)據(jù)思維在人工智能實際應用方面的優(yōu)勢。十足的干貨、結(jié)合案例的講解方式，專業(yè)的視角和獨到的見解吸引了超過一千人次在線觀摩學習。

人工智能是什么？

謝謝主持人。大數(shù)據(jù)百人會的各位朋友大家好，我是徐翔，在極海主要負責后端核心技術(shù)的研發(fā)，在人工智能和空間大數(shù)據(jù)的結(jié)合應用方面做了一些嘗試，雖然現(xiàn)在仍處在摸索的階段，但是很高興能有這個機會和大家聊聊空間大數(shù)據(jù)與人工智能的碰撞下會產(chǎn)生怎樣的火花，給我們帶來怎樣的機遇和挑戰(zhàn)。

相信大家對人工智能、機器學習、神經(jīng)網(wǎng)絡、深度學習這幾個詞聽得不少，從ppt里可以看到，人工智能的范疇最大，機器學習是人工智能的一部分，神經(jīng)網(wǎng)絡是機器學習的一部分，深度學習又是神經(jīng)網(wǎng)絡的子集。實際上現(xiàn)在吵得火熱的人工智能主要指的是最小的這個子集，即深度學習。

那么為什么深度學習這個子集能夠取得這么大的突破，引起井噴式的關(guān)注呢？我們需要回顧一下歷史，以及明確這幾個詞匯的概念，看看為什么人工智能是沿著這一條路發(fā)展至今的。

首先我們來看看人工智能。人工智能的提出，是在上個世紀50年代，研究使用計算機來模擬人的某些思維過程和智能行為的學科，簡而言之就是用各種零件來構(gòu)造一個人工的大腦。當然這個概念很大，也很科幻，實際上可操作性并不強。為什么這么說呢？首先我們思考一下什么才是真正的智能？

為了判斷計算機是否具有真正的智能，計算機科學家圖靈提出了著名的圖靈測試：如果一臺機器可以和人類對話，而不會被人類識破它的機器身份，那么這個機器就有了真正的智能。如果機器人通過了圖靈測試，那么它就一定達到了真正的智能嗎？

實際上并非如此。有人提出過一個思想實驗，叫Chinese Room，這個思想實驗描述了在一間封閉的屋子里，有一個對中文一竅不通，以英語為母語的人，他僅僅依靠一本中英文對照的規(guī)則手冊，就可以表現(xiàn)得像會說中文一樣。如果我們把這個不懂中文的人看成是一個機器人，那么這個機器人可以以假亂真，讓房間外的人以為他是中文的母語用戶，實際上它并不理解中文。因此，計算機雖然能夠接近圖靈測試，可是卻無法獲得人類的理解力和意識，也就很難達到真正的人工智能。

實際上我們現(xiàn)在關(guān)注的人工智能，并不是指機器人可以擁有人類的意識，而是依靠大數(shù)據(jù)、統(tǒng)計學，讓機器人可以從過去的經(jīng)驗中總結(jié)出知識，而這些更多的是專用的人工智能。專用的人工智能在某些領域可以做得比人類更好更快，但是他們并沒有意識，并不明白為什么要這么做。

與依靠大數(shù)據(jù)、統(tǒng)計學的人工智能相關(guān)的，就是人工智能的一個分支，叫做機器學習。從機器學習的學習這兩個字可以看出，它研究的是如何從歷史的數(shù)據(jù)中總結(jié)出數(shù)學模型，從而對新的數(shù)據(jù)進行預測，比如，機器學習可以從很多的郵件中去學習，從而精準地識別出垃圾郵件；可以根據(jù)用戶瀏覽網(wǎng)頁的記錄來做智能的推薦等等。

那么機器學習具體是如何學習和預測的呢？首先我們需要準備一個訓練集，比如ppt里面有一個樣本數(shù)為4的訓練集，這個訓練集里的數(shù)據(jù)描述的是一個房間里面需要的能量與房間內(nèi)的風速和人數(shù)之間的關(guān)系，這里風速和人數(shù)稱為特征變量，能量稱為目標變量或者叫做預測變量。機器學習包括了兩個過程，首先，第一個過程是訓練或者叫學習過程，以ppt里的數(shù)據(jù)為例，這個過程把4個樣本以及對應的目標變量輸入到學習器中進行學習，然后輸出模型的參數(shù)。第二個過程叫測試或者叫預測過程，這個過程輸入一個新的樣本變量，比如X5，通過使用第一個過程得到的模型參數(shù)在預測器中進行預測，輸出預測值y5。不同的機器學習算法的區(qū)別在于其中的學習器不同，比如有的學習器是線性模型，有的是支持向量機模型等等。

而當這個學習器來模擬人腦神經(jīng)元的活動和行為時，就構(gòu)成了下面我們要講的機器學習里的一類重要算法，神經(jīng)網(wǎng)絡。大家知道，人類的思維和活動是由大腦里面的數(shù)百億個神經(jīng)元控制的。為了讓機器也能擁有復雜的決策能力，科學家們設計了神經(jīng)網(wǎng)絡這套算法。它將多個神經(jīng)元連接為網(wǎng)絡結(jié)構(gòu)，模仿生物神經(jīng)細胞對信息的加工和分析過程，通過對大量數(shù)據(jù)進行訓練，實現(xiàn)對各層參數(shù)的修正，從而實現(xiàn)學習的目的。理論上，只要我們增大神經(jīng)網(wǎng)絡中神經(jīng)元的層數(shù)，就能夠訓練出能夠媲美人類大腦思考復雜度的模型，但是由于數(shù)據(jù)量有限以及計算能力的限制，在很長一段時間，神經(jīng)網(wǎng)絡沒有被廣泛應用。

隨著大數(shù)據(jù)時代和云計算的到來，以及GPU計算的發(fā)展，我們可以訓練越來越復雜的神經(jīng)網(wǎng)絡，并且一些更高效、更專用的神經(jīng)網(wǎng)絡結(jié)構(gòu)相繼被提出，由于這些神經(jīng)網(wǎng)絡的層數(shù)都特別深，因此被稱為深度學習。而這也是我們現(xiàn)階段取得突破性進展的人工智能技術(shù)。那么深度學習有什么特點呢？首先，深度學習的模型十分復雜，這個模型十分復雜，通常具有數(shù)十億個參數(shù)，你可以想象，線性模型可以擬合線性的相關(guān)關(guān)系，上億個參數(shù)的模型幾乎可以擬合這個世界上任意的非線性關(guān)系，而這個特點也使得我們只能把它當一個黑箱使，而不清楚它內(nèi)部的原理；

其次，深度學習設計的神經(jīng)網(wǎng)絡可以在繁雜的數(shù)據(jù)中自動提取多個多層次的特征，去輔助最后的預測，而傳統(tǒng)方法大多依靠人工規(guī)則去手動提取單一的特征，這是深度學習區(qū)別于傳統(tǒng)機器學習的一大特點。傳統(tǒng)的機器學習很依賴于對數(shù)據(jù)的特征工程，這需要很強的經(jīng)驗，而深度學習則可以自動從裸數(shù)據(jù)中去提取這樣的特征。深度學習的特點要求了必須要有海量的數(shù)據(jù)和超強的計算能力。而大數(shù)據(jù)、GPU和云計算發(fā)展到今天已經(jīng)很成熟了，這也是深度學習在這幾年取得突破的客觀原因。

談起深度學習，大家可能馬上想到的是alphaGO，其實深度學習在語音識別、圖像識別、自然語言處理以及機器人等領域都取得了很大的突破。雖然人工智能在很多領域取得了突破，想要把這些技術(shù)應用到行業(yè)中來，還存在許多的挑戰(zhàn)。但是現(xiàn)在各行各業(yè)發(fā)展的一個趨勢都是把人工智能的技術(shù)落地，結(jié)合人工智能，從精度和效率上提升傳統(tǒng)的方法。

剛剛和大家梳理了人工智能發(fā)展到今天的進程。大家可以了解到，直到今天計算機在獲得人類意識上可以說還沒有獲得任何進展，反倒說依靠大數(shù)據(jù)和概率統(tǒng)計我們找到了一條獨特的人工智能發(fā)展道路。而這也是人工智能的分支機器學習、神經(jīng)網(wǎng)絡以及深度學習為什么能夠取得突破的原因。在這個過程中，大數(shù)據(jù)扮演著一個十分重要的角色，特別是在深度學習時代，沒有海量的數(shù)據(jù)，人工智能就無從談起。因此，下面我們聊一聊人工智能和大數(shù)據(jù)碰撞在一起，有什么挑戰(zhàn)和機遇。

空間大數(shù)據(jù)與人工智能的碰撞

因為我所在的極海接觸最多的是地理大數(shù)據(jù)，因此，今天我就以空間大數(shù)據(jù)為例，講講在人工智能和大數(shù)據(jù)碰撞在一起的時候，我們總結(jié)出的一些經(jīng)驗，這些經(jīng)驗是如何幫助我們更好地將這二者結(jié)合，更有效地發(fā)揮二者的效力，從而取得傳統(tǒng)方法難以取得的一些成績。

在結(jié)合空間大數(shù)據(jù)和人工智能的過程中，我們做的第一件事情是開發(fā)了多源數(shù)據(jù)融合的工具，搭建從位置數(shù)據(jù)到人工智能的橋梁。大家知道，空間位置數(shù)據(jù)具有多維度、多尺度的特點，什么意思呢？ 一個地點具有多種維度的信息，并且這些信息并不一定是在同一個尺度上的，這里的尺度可以理解為分辨率。比如，我們現(xiàn)在在北京市朝陽區(qū)，朝陽區(qū)有許多維度的特征，比如房價、GDP、各類POI的個數(shù)，河流、道路、建筑、土地利用分類、人口分布等等，然而每種維度的尺度或者說分辨率又是不盡相同的，比如土地利用分類是10米分辨率的數(shù)據(jù)，而燈光圖是30米分辨率的數(shù)據(jù)等。

針對不同的問題，我們需要選擇一個合適的尺度，對不同分辨率的數(shù)據(jù)進行重采樣或是超采樣，通過這種方式，凡是和空間位置相關(guān)的數(shù)據(jù)，不管是點、線、面的矢量數(shù)據(jù)，還是多波段的影像數(shù)據(jù)，或是統(tǒng)計數(shù)據(jù)，我們都能夠在任意一個尺度的等積格網(wǎng)、交通小區(qū)乃至行政區(qū)劃上進行聚合。有了這個多源數(shù)據(jù)融合的工具，我們才能夠把位置之上的所有維度的信息統(tǒng)一收集起來，為下一步的學習做準備。

我們做的第二件事情是使用人工智能編碼廣義的空間坐標來挖掘地理要素間的隱含關(guān)聯(lián)。大家都知道傳統(tǒng)地理要素的「空間坐標」由 [x, y, z]  三個維度組成。而前面我們知道地理要素有許多和位置相關(guān)的信息，比如房價、人口、土地利用等等。很自然我們可以把這些維度的信息也加入到空間坐標中，形成一個高維的廣義的空間坐標。這里請大家注意，這種廣義的空間坐標并不是把各類指標的值放在一個向量里就完了，而是通過人工智能的方法把可能數(shù)百種指標進行相關(guān)性去除、卷積組合形成的一個新的更能直接表達地理要素特征的廣義坐標。這是個很有意思的事情，大家知道計算機使用數(shù)字來表達現(xiàn)實世界里的事物，因此，如何選擇合適的數(shù)字表達就顯得十分重要。在自然語言處理里面，專門有一個叫word2vector的神經(jīng)網(wǎng)絡模型來提取文字的向量表達。對于空間位置，我們也同樣訓練了一個深度卷積神經(jīng)網(wǎng)絡來提取位置的數(shù)字表達。

當我們有了這種使用廣義空間坐標表達空間要素的方式，通過定制的空間鄰近算法就可以快速進行地理要素的查詢檢索。正是基于這樣的靈感，我們可以給任意一個地塊計算出它的廣義空間坐標，這是一個2000維的向量，通過比較向量的鄰近關(guān)系來快速進相似的地物的搜索。

我們的第三個事情是使用深度卷積網(wǎng)絡來同時對地理空間與地理特征進行優(yōu)化組合。

當我們使用多源數(shù)據(jù)的融合工具準備好了訓練數(shù)據(jù)，我們下一步考慮的是如何在模型里最大限度地提取數(shù)據(jù)的關(guān)聯(lián)信息。這里的關(guān)聯(lián)信息包括兩個方面，一個方面是不同維度的特征的組合，比如我們知道近紅外波段和綠光波段的線性組合與河流水體有很大的聯(lián)系，燈光圖的亮度和經(jīng)濟發(fā)展水平很很強的相關(guān)關(guān)系等等；另一個方面的關(guān)聯(lián)是同一個維度在空間上的相關(guān)關(guān)系，因為空間是連續(xù)的，所以相鄰的位置會互相影響，并且這個影響會隨著距離的衰減而減少。傳統(tǒng)的方法通常采用具體的規(guī)則來建模這兩種聯(lián)系，比如，對于第一種聯(lián)系，我們會定義各種指標，剛剛說的用來提取河流水體的就是NDWI指標。對于第二種聯(lián)系，我們可能會用一個二次函數(shù)來做擬合。

那么是否有一種方法可以同時表達這種聯(lián)系，并找出對最優(yōu)的聯(lián)系呢？我們發(fā)現(xiàn)深度學習里的卷積神經(jīng)網(wǎng)絡非常適合處理這兩種聯(lián)系。

卷積網(wǎng)絡的每一層都是一個三維的數(shù)據(jù)體，其中的長和寬表達的是特征在空間中的分布，深度表達的則是不同的特征。卷積層越深，其中的特征就越多。最左邊的神經(jīng)網(wǎng)絡的輸入層包括許多特征，比如RGB波段、各類POI等等，卷積操作可以在某個局部對這一摞的特征進行線性組合，請大家注意，這里的卷積不僅僅是二維空間上的，而是三維空間上的。卷積在二維空間的部分表達了空間的相關(guān)關(guān)系，多出來的另一個維度表達的則是不同特征之間的相關(guān)關(guān)系。有了卷積這種操作，我們就可以在原始的特征基礎之上進行空間和維度的自由組合來生成新的特征，并且這個過程可以不斷進行下去，深度卷積神經(jīng)網(wǎng)絡就是通過不斷進行卷積操作，使得隨著網(wǎng)絡的層數(shù)越深，我們得到的特征越來越多，也越來越越抽象，也更能描述現(xiàn)實世界里各個特征之間的聯(lián)系。

我們在做影像分割的時候把模型提取的特征可視化了出來，大家看到的ppt左邊是一張輸入的假彩色合成的影像，這是模型的第一層提取出來的特征，大家能看到第一層提取的特征是和形狀相關(guān)的，因為我們還能大概辨認影像中地物的形狀，這是第二層，隨著層數(shù)越深，提取的特征就越抽象，這時候我們已經(jīng)無法理解了，但是就是靠著這么多抽象的特征，模型能夠給出影像的分割結(jié)果來。當然實際的深度卷積模型的層數(shù)要比這個多得多，這里只是選了其中的幾層，并且每一層的特征也不止這么幾個。

這里講一個我們在農(nóng)業(yè)上應用的例子，我們服務的客戶中科院遙感所每年都要對三峽周邊的地區(qū)進行生態(tài)環(huán)境的調(diào)查，他們之前的做法就是拿遙感影像，然后人工半自動的在一些地理軟件里面去識別哪些是闊葉林，哪些是季節(jié)性河流，哪些是居民區(qū)等等，總共有三十一類的生態(tài)覆被。這種方式去做不僅精度不高，而且耗費的時間很長，每年做這件事情都需要一個人大約兩個月的時間。當我們使用深度學習對這三十一類生態(tài)覆被進行訓練，得到的模型可以在兩天之內(nèi)自動獲取同等地區(qū)的生態(tài)覆被情況，并且經(jīng)過三百多個線下試驗點的驗證，我們的精度可以達到86%以上。

前面說的幾項都是具體的技術(shù)細節(jié)，最后我想從思維方式的角度來談談如何把人工智能結(jié)合到空間數(shù)據(jù)的問題中來。在工業(yè)革命時代，機械思維是占主導地位的思維方式，機械思維的特點就是尋求事物的因果關(guān)系和精確描述。而大數(shù)據(jù)思維指導我們通過海量樣本尋找數(shù)據(jù)之間的強相關(guān)關(guān)系。

以前我們研究地理問題，習慣從機理模型入手，希望想清楚問題的因果關(guān)系，然后再去建模分析；這種方法在很多問題上是可行的，但是在有一些問題上實行起來難度會很大。這里我舉一個我們給一個連鎖零售商進行選址的例子，作為國際頂級的零售商，他們在美國有多年積累的選址模型和方法，然而，這一套選址模型在國內(nèi)卻無法照搬。為什么呢？原因很簡單，這張圖大概說明了在美國，他們的市場細分的選址模型是怎么建立的，他們先把人群做細分。比如ppt上方的虛線框這一組，他們?nèi)∶凶鰉ilk and cookies，牛奶餅干，指的就是中產(chǎn)有孩子的家庭，家里平均三口人，住獨棟的房子，年齡三十多歲。另外右下角這一組young and restless，年輕躁動，指的是收入低于中產(chǎn)，平均兩個人，住公寓，年齡不到三十。大家可以看到，他們的數(shù)據(jù)真的就把人群劃分到這么細致的程度，然后能把地圖上的每一個街區(qū)都標記上這里住的是哪一類人，最后，比如我是做快餐的，只要建立關(guān)聯(lián)，知道我的顧客是來自哪個人群，那我就知道應該在哪開店，包括開店之后去哪宣傳了。

然而在中國，他們習慣用的人口特征數(shù)據(jù)是沒有的，所以他們選址模型的前一半，已有客群的畫像只能依靠自己去找些發(fā)問卷等等這種既費力，又有很大偏差的方式來獲取，而后一半，潛在客群的尋找就更難做通了。

于是我們拋開這種思路，轉(zhuǎn)而使用機器學習的方法從數(shù)百類特征中自動學習和人群特征相關(guān)性最強的特征。通過這些特征，我們能夠描述街區(qū)的人群屬性，目前我們的模型已經(jīng)得到了用戶的高度認可。

從這個例子可以看出，在人工智能時代，如果我們嘗試使用大數(shù)據(jù)思維來看待地理問題，可能就能夠取得以前無法想象的成果。當然只有當訓練數(shù)據(jù)足夠多，這種方法才能夠奏效，但是換個角度來看，只要我們給模型喂更多的數(shù)據(jù)，模型的精度就能更高。

機遇與挑戰(zhàn)

最后，我想說一下，在運用人工智能的時候，我們還面臨著很多機遇和挑戰(zhàn)。比如，一個機遇是大數(shù)據(jù)能夠極大的提高深度學習的精度，與之對應的挑戰(zhàn)是，大量標注數(shù)據(jù)的缺乏；另一個機遇是深度學習模型很靈活，很普適，并且相對于傳統(tǒng)模型精度很高，但面臨的挑戰(zhàn)是模型越來越大，越來越復雜，以及越來越難訓練的問題。再一個機遇是深度學習能夠進行端到端的訓練，然而與此同時，我們只能輸入數(shù)據(jù)得到輸出，而不知道模型中間做了什么轉(zhuǎn)換。當然我相信對于空間大數(shù)據(jù)而言，人工智能的介入是機遇大于挑戰(zhàn)，有了人工智能的助力，我們能更好的發(fā)掘海量數(shù)據(jù)下隱藏的規(guī)律，為各行各業(yè)的決策服務。

今天我的分享就到這里，謝謝大家的聆聽。

Q＆A

Q：建筑物選址的輸出是坐標位置嗎？

A：是的，我們輸出的是坐標的位置。

Q：空間大數(shù)據(jù)與人工智能的結(jié)合過程中會有什么問題，如何解決？

A：我覺得會有兩個方面的問題，也是我剛剛在ppt里著重分享的兩個方面。一個是空間大數(shù)據(jù)的特點造成的，因為空間大數(shù)據(jù)是非常異構(gòu)的，包含了各種分辨率的數(shù)據(jù)，也包含了各種軌跡數(shù)據(jù)和各種面數(shù)據(jù)，所以如何把這些數(shù)據(jù)統(tǒng)一起來去作為人工智能的輸入，是比較困難的一件事情。還有一個是如何從海量數(shù)據(jù)中挖掘信息，需要我們結(jié)合以前的空間數(shù)據(jù)處理方法，把這些方法編碼到現(xiàn)在的人工智能里面去，可能我們需要結(jié)合現(xiàn)在語音、自然語言處理以及視覺方面很成熟的一些經(jīng)驗。

Q：GeoHey Map是基于什么開發(fā)的呢？

A：我們的地圖是基于Google的二維渲染庫去獨立開發(fā)出來的。

Q：這兩年人工智能非?；?，那么在人工智能時代，空間大數(shù)據(jù)將會扮演怎樣的角色呢？

A：我覺得空間大數(shù)據(jù)的作用是非常大的，空間大數(shù)據(jù)本身的特點就是數(shù)據(jù)量大，可以體現(xiàn)出各種人類活動，也是很多行業(yè)中必須的。

Q：遙感影像數(shù)據(jù)是在線的谷歌或百度嗎？還是自己采購？

A：你說的這兩種方式都有。

Q：基于深度學習的建筑分割的精度能達到多少？

A：我們的建筑物分割模型現(xiàn)在的精度是92.4%，IoU是60.38%。

Q：是否說神經(jīng)網(wǎng)絡在某個領域的應用，對于該領域的專業(yè)要求并不是很高？

A：從某種意義來說是這樣的，因為卷積神經(jīng)網(wǎng)絡對于輸入的數(shù)據(jù)要求并沒有那么高，可以直接從裸數(shù)據(jù)中提取相似的特征去訓練去做預測，所以不需要手動對數(shù)據(jù)做處理。但是如果我們有這方面的經(jīng)驗或知識的話會更好，因為我們可以用這種經(jīng)驗去改造我們的神經(jīng)網(wǎng)絡，讓他們更快的提取特征出來，也可以得到更好的精度。

Q：卷積神經(jīng)網(wǎng)絡的多層之間有關(guān)聯(lián)嗎？或者如何聯(lián)系

A：是有關(guān)聯(lián)的。卷積神經(jīng)網(wǎng)絡的每一層都有不同特征，下一層的特征是基于上一層特征抽象出來的。

來源：數(shù)據(jù)猿