方昌峦：渣土车监管平台+人工智能

　　
方昌峦：各位朋友，大家下午好！我今天讲这个题目的时候实际上我非常有压力的，我们之前一直在做渣土车的平台，但是我们现在想把我们在做的一些做法跟现在大家比较火的人工智能的东西结合起来。我准备分三个点去讲，第一，AlphaGo与人工智能，第二，渣土车智能监管平台，第三，渣土车企业如何做到智能。

　　第一个讲AlphaGo和人工智能。我相信这张图片大家非常熟，就是围棋人机大战，这个结果很清楚，就是以4：1的结果战胜了。我心里想讲的是在2016年1月28日在ARTICLE发了一篇算法文章，我想问一下有多少人看过这篇算法文章？可能没有，这反映了我们这个行业对于智能领域的思考是很欠缺的。

　　大家不要对这张图特别的抵触（见PPT），我会讲特别细的算法内容，我本人是学数学的，所以对算法这个方向还是比较关注的，在做产品的过程当中也相对更多一些。实际上一个AlphaGo是分两个关键点，第一个是学习过程，就是我在比赛之前我的学习。整个人工系统是基于神经网络的一个系统，我也希望去学习它，让它具有很强的实战能力。第二个是在比赛过程中怎么用，现在大家非常火的叫神经网络。在实战的过程中可以把刚才学习的神经网络和现在很流行的蒙特卡罗树搜索结合起来。它在不断的进化，像前一段时间，也是比赛之后，最新的报道是AlphaGo仍然可以再比赛。（见PPT）像这个是去年跟樊麾的比赛，樊麾输了，这是很明显的。

　　我是想讲我们在人工智能领域的一些内容，整个人工智能包括三个，第一是要有足够多的数据，第二个是要有算法，比如这里面用到神经网络等等一些新的算法，第三个是需要有丰富的计算资源，尤其是在学习的阶段，但是这里面又得把它分开，在学习阶段需要丰富的资源，但是比赛的时候并不需要很长的资源。前面我们做了原来大家做的比赛，很多计算机超强的能力，但是AlphaGo的比赛在比赛的时候只用一台电脑就能战胜了。实际上人工智能并没有那么神奇，在很多领域做到商用的，比如说语音识别、自动翻译、数据挖掘、图像识别，包括搜索引擎。你在百度搜索引擎框里会多了一个语音识别，Google已经在做很多新的尝试，就是说我们现在的搜索引擎是把你的关键词相关的信息找出来会罗列一堆的信息，但这实际上不是大家所需要的，大家需要的是你直接告诉我一个答案，你要告诉我一个结果，这个结果我按着它做就OK了，而不是说现在很多信息让我们筛选，这现在是很多过程的，Google现在已经在做深入了，相信他们会有很多的产品出来。

　　实际上在我们智能交通领域里，在视频这块已经做得很好了，比如车牌识别、人脸识别、基于视频图像的人流量的统计做得很好，但是对于传感这类实际上做的还比较少。讲到这里，我们再去思考人工智能真正的价值是什么？我认为它实际上就是一个大幅度的提高效率，实际上它很简单，就是提高效率，能够把原来人做的事情让人少做，实际上它就是智能。如果说这种效率的提高幅度达到一定程度，达到当前没法做的层次就会形成一个量变，当前可能没法实现的内容可以通过人工智能的方式实现。

　　在我们智能交通领域里面，我觉得在现在的阶段数字化已经成熟了，产生数字化成熟是要有很多因素的，比如说贡献者，像5号令、政府部门以及终端厂商以及传感器的厂商，还有平台的建设商以及各种细分行业的平台，它都会让我们这个行业整个数字化，就把原来很多内容搬到云端，这个过程完成了，但是智能化才刚刚开始，甚至在很多领域里面还没有智能化。实际上有几个原因，第一，在我们这个领域里的人才在数据分析领域还是比较匮乏，基本上停留在数据检析就完了，没有太多数据处理的能力。第二，因为前面大家做的是通用的服务，并没有对细分领域做很深的研究，也没有碰到很多挑战，这些挑战逼着你必须要有智能化的思考去解决，也是因为像上午熊老师讲的我们这个行业的细分程度还才粗糙。当然还有一个原因，我们体会特别重要的是你这个企业创始人的思维很重要，我说的这个思维是指理应通过智能化的思维解决在传统细分领域过程中碰到的问题的思维，如果你仅仅依靠你的几个功能师是不可能做得很好的，如果他有这样的思维早就跳槽了，我觉得从创始人本身应该要提高。

　　我下面讲一下我们在做渣土车监管平台的时候怎么思考智能的问题，我们整个监管平台不仅是渣土车，我们认为它是挺简单的，它核心的作用是要能够提高监管部门执法效率。实际上这也分两块，一块是能够快速的获取违章信息，我知道违章的线索，现在可能很多是人工去巡查；第二，我能够对已经发现的违章行为非常快速的去查找违章的证据，我觉得如果能把这做好了，你这个监管部门就真的有它的价值。

　　（见PPT）这是一些选手划分，我觉得这里面要有一个个性化的内容，在细分领域里面每个不同角色所关心的能够是不一样的，你的系统应该可以更加人性化、更加智能化，它只能提供他所需要的内容。还有在线的办理，比如通行证的办理等，这些内容办理之后，我们有一套违章行为自动识别的流程，采集数据之后这些数据通过云端，我通过实时的算法计算出他可能的违章行为的，再把违章行为推送给坐席，再推送给一线执法人员，最后现场核实，再处罚，形成一个良性的循环。我觉得最核心的是这张界面（见PPT），它把我们平台自动判决出来违章行为推送到前端。很多人会想疲劳驾驶也是违章，确实也是的，但是在细分领域大家所看到的这种违章没有这么简单，因为它的运输情况非常复杂，路况有极其恶劣的，对于数据的波动性干扰很大，所以对整个算法要求很高。我们希望所有东西不需要人工去看，我应该告诉的是执法人员这个车在什么时候、在什么地方有一种违章行为，把这些告诉他。执法人员可能需要去核实这些轨迹，也不仅仅是看轨迹，而是要看他所关心的内容。我们有很多数据，我们也是希望以一种非常简单的方式能够让他很快的判断筛选。对于违章的高发区域应该调整这种紧密的部署，也应该给他有一些智能化的判断。

　　我想这个地方强调一下，这是一个车载设备异常情况实施的智能化分析（见PPT）。在座的各位运营商应该对这一点很有感触，就是我们可能有很多不同厂商的终端用我的平台上这些设备安装上去之后，在运行过程中会出现很多异常情况。在界面里有我们维护人员分析故障原因所在，也就是说我们要分析故障的原因在哪里，我还得有一些专业知识，否则分析不了，这实际上是增加了你维护人员的人工成本，也增加了维护人员学习的时间成本。你这些所有工作应该都是智能的，你应该所有的系统都做完，我只告诉我们的维护人员这个车哪个地方坏了，你把这个地方解决就OK了。我们做了一个完整的智能分析，我们为什么要去做这个问题呢？因为在细分领域里会装很多的传感器，它不仅仅是车载终端本身，所以它的异常情况可以比成装主机有更多的东西，所以我们希望有一种高效的方式去把这种行为自动分析出来、自动的推送给我们的安装系统人员，也就是可以提高设备异常到发现的过程。

　　我们对于未来监管平台的一些趋势，我判断的未必是很准确，希望大家可以提一些意见。我觉得监管平台的数据源一定是多元化的，而不仅仅是现在说的车机，也不是一些图像、传感器的数据，而会有更多的内容，包括企业运营过程中、包括各种不同的部门的交集，我觉得这是多元的，从多元的角度思考可能会带来更多的产品。第二，后端的处理应该是高度智能化，不应该是有很多的人工。我把人干的事情通过计算全做了，推送到政府，他的目的仅仅是执法。政府完全去购买相应领域公司提供的服务，我们政府服务做执法，其它所有都外包，这实际上也给运营商带来一种新的思考，我们是不是仅仅给监管部门安装设备、维护设备？其实我还可以给他整个运营都做了，他们仅仅只需要执法，这是一块。第三块，对于一个智能财务核算系统的思考，传统的我们在做的位置信息里面，我们的位置信息实际上是一个辅助信息，但如果你做的是财务数据，它将会成为公司的主要信息。对于财务来讲，传统的财务系统一定要有人工输入的，比如公司今天订单多少，有多少收入，要输进去。我们这个行业可以性零的一种是通过云端的算法去计算，最后会形成一个智能财务系统，这个系统是没有人工输入过程的，这是我们在财务系统里给企业提供的一个财务报表，把财务的信息作为一个结算。企业主来讲不仅仅需要这些东西，我觉得从智能化角度来看，传统给很多企业的是你上来看我们的车辆位置在哪里，其实企业主并不关心车在哪里，除非我发现这个车有问题了采取查。但是在经营过程中他关心很多指标，比如说公司的经营数据，它应该会有一个统筹的把握，相当于我们说天猫“双11”的晚上那个大屏就是交易过程动态的展示，对于企业也是这样的。对于行业协会，很多地方都有这样的协会，协会去管理很多家企业，每个地方管理的程序不一样，但它也需要知道很多企业的经营状况，那会形成一个企业整体的数据内容。当然，不同行业有不同的指标，我们所想要说的意思是我们在做细分市场领域的时候应该充分提炼行业用户关注的指标，把我们获得的这些基础数据通过算法转换成这些指标，我们认为对于用户才有价值。

　　在商用车车联网领域里有哪些思考，我说的未必合理，大家很清楚调度，一个调度员是单位很重要的角色，调度员需要有很好的经验技术，这个技术就抬高了成本，但是不同的调度员应该有很多知识是相通的。我们一定可以通过算法把很多调度知识、把很多调度员做的角色输进去，这个时候就不需要非常高水平的、很强经验的调度员，普通的人员也可以参与。这是我们的一些思考，讲得不对的地方请大家多多批评指正，谢谢！