6月13日，第六屆WGDC大會在北京國家會議中心隆重開幕。大會由空間信息產(chǎn)業(yè)創(chuàng)新創(chuàng)業(yè)服務平臺泰伯主辦，秉承不斷引領和促進空間信息技術創(chuàng)新與變革的宗旨，WGDC已走過六個年頭，如今已成為全球最具前瞻性的跨界創(chuàng)新風向標。

      人工智能和深度學習是目前空間信息領域極受關注和探討的領域。本屆WGDC舉辦了以“空間大數(shù)據(jù)+深度學習”為主題的圓桌討論。
       
       主持人為北京極?？v橫信息技術有限公司CEO王昊，嘉賓有：李方平，智慧神州(北京)科技有限公司工程院副院長;顧竹，北京佳格天地科技有限公司聯(lián)合創(chuàng)始人兼產(chǎn)品副總裁、原NASA國家實驗室數(shù)據(jù)科學家;宋常青，DigitalGlobe中國區(qū)負責人。

　　以下為本次圓桌討論內(nèi)容(內(nèi)容均未經(jīng)本人審核)：

　　主持人(王昊)：神州數(shù)碼智慧研究院的院長李方平，多年來致力于智能研發(fā)。第二位是顧竹，原NASA國家實驗室書記科學家。這一位是宋常青宋總，DigitalGlobe中國區(qū)負責人。DigitalGlobe我不用多說，咱們這個行業(yè)特別熟悉。DigitalGlobe這些年不僅給全球最大的商業(yè)衛(wèi)星、影像數(shù)據(jù)公司，不僅給政府提供數(shù)據(jù)，其實給互聯(lián)網(wǎng)企業(yè)也提供的數(shù)據(jù)也蠻多。大家看到網(wǎng)上特別多的數(shù)據(jù)影像和圖片大部分來自于DigitalGlobe。

　　選擇人工智能的話題，我覺得泰伯也不是找一個噱頭，泰伯也有義務，每次大會給大家找一個好的方向，讓大家關注一下。

　　前兩天去參加一個活動，這個活動也是講人工智能?；顒拥陌l(fā)言人是英美的全球副總裁，他提了一個觀點說AI-City，他認為在將來這些年，人工智能是最容易產(chǎn)生行業(yè)垂直應用的領域。我覺得AI-City其實是做智慧城市領域的，城市的智能化。今天李院長在這，這個問題問他，在現(xiàn)在的智慧城市建設中，人工智能或者是機器學習能真正解決哪些原來不太好解決的問題，哪些已經(jīng)做到了，哪些是將來才能夠做到的?

　　李方平：給大家分享一下，我們對人工智能在智慧城市領域?qū)嵺`的一些感受。我覺得智慧城市這個概念，其實是非常符合中國人特點的概念，就是可以意會，但不可以言談。什么是智慧城市?大家有各自的定義。從我們來講，應該說上一個話題先從智慧城市本身它的目的來闡述一下，其實一個智慧城市應該使生活在城市中的人們生活更加美好，這是智慧城市建設的一個目標。我們可能從目標來理解智慧城市更容易，如果從技術的角度是可以這么理解的。其實剛才一位嘉賓也提到過，我們理解的未來的智慧城市應該是叫人機物三者有機的融合，所謂的人機物其實是指社群空間，物是物理事件，還有信息空間，當這三個空間有機融合時，我們認為智慧城市就達到非常理想的狀態(tài)。這三者其實就是剛才講的，是時空大數(shù)據(jù)支撐下的三個空間的有效融合。人工智能在里面起到什么作用呢?我們生活在今天的世界，物理的空間和信息空間融合越來越大，重合度越來越大，當所有的數(shù)據(jù)匯集在一起時，我覺得人工智能就開始發(fā)揮它的作用。其實人工智能就像無鹽之水，在數(shù)據(jù)的支撐之下，像剛才有一位嘉賓講的，也許我今天晚上要到廣州去，從我騎摩拜單車到坐公交坐地鐵到坐飛機，到本地預訂的賓館，可能所有的服務會因我的需求而動，這其實就是我剛才講的在智慧城市下面人機物有機融合的直觀解釋。

　　主持人(王昊)：李院長的解釋里面重要的內(nèi)容一個是融合，一個是人機物表現(xiàn)出來的意會的概念。接下來一個問題給顧老師，到底什么是人工智能，機器學習?

　　顧竹：謝謝主持人提出的問題，我試著解釋我的淺見。我以前在美國航空局工作，在做深度學習、機器學習在遙感領域的應用。其實深度學習解決的問題是去訓練更深層次更復雜的網(wǎng)絡和模型，神經(jīng)網(wǎng)絡我們叫淺層學習，單層是上世紀80年代出來的，當時限于模型的解讀能力，所以沒有加深去做?，F(xiàn)在計算能力到了這個層次，對于模型的認識，對于數(shù)據(jù)學的解析認識，可以控制更深層次的模型，把模型提高更好。在這個基礎上，我們是基于信息提取的能力，比如說單層的信息提取單獨的形狀，或者是味道。比如說一個蘋果放在那，人都會說這是一個蘋果，你咬了一口人也會說這是一個蘋果，它在形狀上產(chǎn)生非常大的變化，但是人不會因為變化做出錯誤的判斷。但是原來的淺層學習，會對這種維度做出錯誤的判斷，深度學習會解決這一問題的。

　　在深度學習出來之前，斯坦福大學、伯克利大學做了很多的增強學習的研究。比如說斯坦福大學做的倒著飛的直升機，讓直升機學習自己倒著飛，整個的流程是讓計算機去學的。我認為它的意義不亞于深度學習計算，因為它幫助機器自主去學習了。大家談人工智能談阿爾法狗多厲害，其實回過頭來想，人工智能是什么，比如說網(wǎng)上說是一個哲學的問題，人為什么聰明?如果是原始社會，我比你家聰明，我多打一頭野豬，我家就可以活下來。聰明是人的一個潛能和機制，為什么讓計算機發(fā)揮潛能聰明起來，這是主要的。增強學習是讓機器自主學習，阿爾法狗自己跟自己下了兩億盤棋，這是增強學習的作用。它讓機器自己有動力去發(fā)展自己，有這個基礎之后，深度學習是讓計算機如何去?增強學習是讓計算機主動去?這兩者結(jié)合起來，是現(xiàn)代人工智能大的方向，這是我的一點認識。

　　主持人(王昊)：我相信在座有很多年輕的從業(yè)者，大家也很想去學習這些知識，剛才陶總在幻燈片里也講，要成為這樣的專家還是挺難的。顧老師多年前就開始做遙感領域的機器學習技術，能走到今天肯定也是不容易的。無論是深度學習還是增強學習，原來都有這樣的算法。為什么這些年火?是因為計算力強，再有就是數(shù)據(jù)太多。數(shù)據(jù)是非常重要的環(huán)節(jié)，我們都特別羨慕DigitalGlobe公司，數(shù)據(jù)又好又海量。我前兩天跟DigitalGlobe宋總交流過，當有數(shù)據(jù)肯定再求發(fā)展，下面這個問題請宋總回答，從DigitalGlobe平臺到底能為平臺兩端提供什么樣的技術服務呢?

　　宋常青：像主持人剛才講的，美國數(shù)字地球公司，我們有業(yè)界最領先的商業(yè)遙感衛(wèi)星，隨著遙感技術的進步，從遙感影像無論從它的分辨率到光譜信息，實際上是越來越豐富的過程。

　　數(shù)據(jù)越來越豐富，對于從用戶端角度來看，是不是所有的用戶都需要從原始的數(shù)據(jù)去做處理分析才能得到他想要的分析，我覺得并不是。我認為從這么多提供的遙感信息里面，能夠快速獲取結(jié)果，可能是大多數(shù)的用戶最主要的訴求。整個遙感市場在發(fā)生深刻的變化，從原來的專業(yè)用戶逐漸向行業(yè)內(nèi)用戶擴展，像行業(yè)用戶不具備，專業(yè)用戶具備的知識，怎么樣快速從遙感數(shù)據(jù)獲取到他想要的信息？近幾年人工智能技術的發(fā)展，如何應用于遙感影像的處理?使大家有了期待。從傳感的遙感影像來講，實際上很難做到快速、準確、無誤的。我們也是借助新的技術，能夠讓我們更好的去獲取影像里的豐富信息，這是客戶端。

　　從開發(fā)者來講，作為這樣高質(zhì)量的遙感衛(wèi)星影像，實際上是空間大數(shù)據(jù)不可或缺的基礎信息。開發(fā)者希望有更快速更便捷的方式，能夠去訪問有用的信息。需要有一個公共的平臺，希望能夠更快速去獲取數(shù)據(jù)。同時，從人工智能、深度學習等等這樣的開發(fā)者來說，他們的一些算法，最佳的方式是跟數(shù)據(jù)融合在一起，在同樣網(wǎng)絡空間里面，同樣的可以快速去調(diào)用，快速去分析去利用海量的影像數(shù)據(jù)。

　　DigitalGlobe公司做的叫GBDX大數(shù)據(jù)平臺，實際上提供了公共的平臺，提供了這樣的生態(tài)系統(tǒng)，可以把我們海量的數(shù)據(jù)加載在平臺上，能夠把合作伙伴機器學習的算法加載到平臺上。所有的數(shù)據(jù)在平臺實現(xiàn)和完成，這樣提供了一種創(chuàng)新模式，可以把數(shù)據(jù)、開發(fā)者、用戶跟想要的成果和所需要的算法有機結(jié)合在一起，用戶不一定非要去買原始數(shù)據(jù)才能得到相應的結(jié)果。我們的算法給開發(fā)者，可以把這樣的算法直接加載到平臺上面，直接向用戶提供他想要的做商業(yè)決策有效的信息，這是一種商業(yè)運作的創(chuàng)新模式。

　　主持人(王昊)：謝謝宋總，我覺得有了數(shù)據(jù)就有了杠桿資產(chǎn)，可以撬動很多的業(yè)務模式、商業(yè)模式和應用方向。說數(shù)據(jù)是黃金數(shù)據(jù)是鉆石怎么都不為過，對于我們這樣的創(chuàng)業(yè)者來說能拿到高質(zhì)量的數(shù)據(jù)是特別有挑戰(zhàn)的事情。

　　下面請李院長講一講他們做智慧城市業(yè)務中，是怎么樣幫助這些政府把數(shù)據(jù)資源解放出來，用于應用，從科技發(fā)展管理來講，地方政府是怎么做的?

　　李方平：我覺得這個問題非常好，大量有價值的數(shù)據(jù)分布在不同領域里，一個是大家都了解的互聯(lián)網(wǎng)公司，還有是大的央企，還有各級政府手里。因為老百姓每做一件事情，都需要在政府系統(tǒng)里進行登記和處理，所以這些數(shù)據(jù)被鎖在原來政府大系統(tǒng)里。應該說數(shù)據(jù)的開放是從2002年開始的，那個時候中國政府推出了數(shù)據(jù)開放和資源目錄的相關標準，但是走了十幾年數(shù)據(jù)公開還局限在一定程度。我的理解是應用的推動還沒有到達那個程度，今天隨著互聯(lián)網(wǎng)的應用越來越多。剛才講的人機物的融合越來越多，我覺得數(shù)據(jù)的開放會成為以后做的最基本事情。我們怎么樣去做這件事?我們提出了智慧城市的操作系統(tǒng)概念。如果要個人的數(shù)據(jù)和企業(yè)數(shù)據(jù)都開放給社會的話，可能存在隱私保護和安全的問題，我們就把這些數(shù)據(jù)進行分裝，其實就是所謂的API經(jīng)濟，把所有的數(shù)據(jù)開放為服務。這些服務可以對任何的使用者所調(diào)用，這樣他可以不接觸數(shù)據(jù)，但是可以去接觸數(shù)據(jù)調(diào)用的服務。服務分成幾類，一類是基本業(yè)務的服務，還有是模型的， 一些機器學習的算法，還有一些行業(yè)領域的模型，分裝成服務。在此基礎之上，把它開放給所有的創(chuàng)新創(chuàng)業(yè)者進行使用，這實際上是我們最近剛才講到的智慧城市操作系統(tǒng)的概念。

　　原來的城市看到的是道路、樓宇、管網(wǎng)，但是在大數(shù)據(jù)云計算時代，未來看到的是城市里每個數(shù)據(jù)提供的服務，這個服務可能最基礎就是由政府提供的服務，還有商業(yè)企業(yè)提供的服務。我們未來人們用城市里的數(shù)據(jù)，像我們使用操作系統(tǒng)來操作它的鍵盤，或者是任何外設、存儲一樣，這樣就會把數(shù)據(jù)開放。我們提出來一個理念是邏輯上是集中的，物理上是分散的數(shù)據(jù)管理策略。里面還有很多細的東西，在這里簡單介紹這些。

　　主持人(王昊)：政府的數(shù)據(jù)如果開放出來，先不說機器能做什么，人沖上去就能做很多的事情。說到這個話題我想起來，前些年馬航370時，DigitalGlobe做了很有意思的事情，把遙感影像分發(fā)出去，采用眾包的方式讓大眾去找飛機的殘留、骸品等。雖然沒有找到，但是這個方式非常好。宋總您預測一下，將來在遙感領域機器一定會超過人嗎?或者機器一定會成為遙感專家，在這個領域最大的挑戰(zhàn)是什么?

　　宋常青：從遙感影像的分析處理，這是非常復雜的事情。大家知道很多的行業(yè)遙感影像的軟件和解析算法，很難做到準確和自動。原因是因為遙感影像本身包含的內(nèi)容很豐富，而且準確的分析和判斷遙感影像所傳遞的信息，實際需要很多人為的經(jīng)驗。那么問題來了，如何把這些人的經(jīng)驗跟人工智能跟機器學習的技術結(jié)合，把人的經(jīng)驗轉(zhuǎn)化成可以自動化靠機器實現(xiàn)的分析算法，這可能是對于遙感影像的分析是非常大的突破和機會，我覺得這個是很重要的。

　　剛才主持人問的，在這個過程里面會碰到哪些挑戰(zhàn)?我覺得第一個挑戰(zhàn)是需要有足夠高、質(zhì)量好的數(shù)據(jù)去做分析。比如說以DigitalGlobe公司為例，我們除了提供0.5米、0.3米的遙感影像，還可以提供8個波段的衛(wèi)星遙感影像，目前還可以提供16個波段的衛(wèi)星遙感影像，技術不斷的發(fā)展和進步，所有的衛(wèi)星采集到的最新影像可以在24-48小時之內(nèi)可以放在TBGS(音)平臺上面，可以讓廣大的用戶去利用到。這個是不是足夠高足夠好足夠快獲取地球面貌的分析數(shù)據(jù)，這是一個大的挑戰(zhàn)。

　　另外一個挑戰(zhàn)，如何讓機器學習算法更加準確識別出想要識別的物目的。我們最新做一個嘗試推出了個叫共享的數(shù)據(jù)項目。它提供的東西是把我們分析好的高質(zhì)量影像樣本數(shù)據(jù)，通過亞馬遜云發(fā)布出來，這是我們跟一家公司共同合作的一個項目。目的是給一些公司提供高質(zhì)量的影像樣本數(shù)據(jù)，提高算法的準確度和能力，這是我們做的嘗試。

　　主持人(王昊)：我覺得這件事情相當長一段時間都是非常有難度的。說到這，在中國人工智能方面，有很多智庫的觀點絲毫不比美國差，比如說前一段時間李彥宏出了一本書叫《百度革命》，很多方面都不比美國差，比如說智能駕駛這些。

　　接下來一個問題交給顧老師，因為顧老師的佳格影像的實驗是在美國操作，我想問一下從中美兩國商業(yè)化角度去看，中美兩國的差異是什么樣的?

　　顧竹：當時我們從拉薩決定回國，也是有一些想法。因為我們當時在硅谷，前后左右分別是谷歌、Facebook幾個大的互聯(lián)網(wǎng)公司，我們作為一名研究員天天看著他們開著特斯拉穿越于彎曲的大小道路，我在想我們做的模型、數(shù)學、工程也好，一點也不比他們差，甚至是最頂尖級別的，為什么錢都被他們賺去了?這讓我們覺得，其實我們做的東西很多，這些產(chǎn)品也可以商業(yè)化去應用，其實在這個層面上，美國并不比中國走的更遠，或者走的更快，這也是大家剛剛才意識到的一個東西。我們現(xiàn)在遙感數(shù)據(jù)爆發(fā)的年代，我們有更高分辨率，時間分辨率、空間分辨率的數(shù)據(jù)，我們可以做更多的事，我們還有人工智能支撐，其實這些應用才剛剛開始。

　　比如說我們通過衛(wèi)星影像做全球原油儲備的總量統(tǒng)計，去看油罐的容量影子有多高，這樣的應用才剛剛開始，但是我覺得面臨很多的問題。無論工程、科學上的問題很多，一旦可以解決把這條路走平了，會有很多的人去買數(shù)據(jù)，對數(shù)據(jù)有興趣。包括美國、歐洲、中國在內(nèi)，之前的應用局限在政府的觀測和統(tǒng)計，針對于商業(yè)層面一片藍海，等待我們?nèi)ネ诰?。這一塊政府不會幫助我們?nèi)プ?，是我們自己想怎么去做。我們佳格從農(nóng)業(yè)做這件事，去商業(yè)轉(zhuǎn)換應該是水到渠成，遙感影像高精準的觀測為用戶提供服務，我們其實有在探討這件事。在美國也有這樣的公司去探索，但是數(shù)來數(shù)去競爭對手也不多，商業(yè)領域還是有很多的事情去探索。我們可以去做智能交通的堵塞統(tǒng)計，可以去做水資源的統(tǒng)計，可以去做各種各樣的統(tǒng)計，就看我們?nèi)绾稳ネ诰蜻@個事情。

　　宋常青：剛才講農(nóng)業(yè)，其實我們之前跟佳格公司剛做了一個非常有意義的嘗試，利用多波段衛(wèi)星遙感數(shù)據(jù)，結(jié)合佳格機器學習的技術，對同一個時期生長的玉米和大豆做了很精準的分類，這也是很有意義的嘗試，非常有新意，我認為對所有業(yè)內(nèi)的人士和創(chuàng)業(yè)者都是很好的啟發(fā)。

　　顧竹：關于這個項目，其實牽扯到的技術和數(shù)據(jù)要求壁壘是比較高的，很有幸我們能拿到高分辨率的光譜和空間上的數(shù)據(jù)，能做到玉米和大豆的精準分類。其實兩者紋理差不多，但是你看不出來，但因為佳格有這樣的基礎，這對我們來說也是很好的合作機會。

　　主持人(王昊)：因為今天的時間不早了，最后請三位嘉賓對想致力于人工智能和大數(shù)據(jù)領域的年青人，提一些建議。

　　李方平：我覺得如果要想在人工智能領域做事情的話，首先還是要突破自己的思維限制。在十年前沒有人認為，下圍旗機器能超過人，因為他們覺得這件事情太復雜了。但是在十年之后，這件事情變得特別簡單，首先打破思維的限制。第二，如果致力于把生活打造的更美好，我覺得一定要有無數(shù)新鮮創(chuàng)新的思維出來，我覺得應用實際上是驅(qū)動技術進步重要的源泉。第三，勇氣。當你突破了自己思維限制，心懷理想，再有勇氣，我覺得事情就差不多了。

　　顧竹：我說一下我的感覺，一點建議的話我會說先練內(nèi)功，再練外功。內(nèi)功是你對于機器學習，里面的邏輯過程、數(shù)學過程，是否真正理解。另外練外功，一定要找到應用的點，這個東西做出來干嘛用?大家會說谷歌可以做阿爾法狗，它可以下圍棋，有誰會買阿爾法狗，把它買回來陪我下圍棋，沒有人去買吧。谷歌做這件事告訴大家我的實力或者人工智能可以做這件事，它可以做別的什么事不一定告訴你，到時候拿去賣錢。我覺得一定要找到真正的應用點，讓它有驅(qū)動力去做更好的應用，發(fā)揮這個機器的效益。

　　宋常青：隨著技術的進步，大家可以看到原先非常昂貴的高質(zhì)量遙感影像，它的使用門檻現(xiàn)在大幅度降低。對于創(chuàng)業(yè)者來說這是非常好的機會，創(chuàng)業(yè)最缺資源，需要有各種好的資源，需要有積累下來的知識使用，現(xiàn)在都有了。遙感影像的門檻降低了，機器學習的方式把人類的經(jīng)驗總結(jié)成算法，應用在各種各樣的領域里頭。如果把機器學習和遙感影像結(jié)合在一起，我認為市場的潛力是非常廣闊。有太多的用戶和行業(yè)，現(xiàn)在傳統(tǒng)的技術還沒有更好的解決方法，太多這樣的例子。遙感影像實際上可以被非常多非常廣泛的用戶使用，這個里面欠缺的東西是跨行業(yè)的技能和知識，怎么樣去跨行業(yè)?現(xiàn)在機遇就在這。影像的門檻降低，通過機器學習的方法可以把影像的分析結(jié)合人類的經(jīng)驗應用在各個領域里頭，只要找準一個領域找準一個方向去把知識用在這個地方，就可以去做跨行業(yè)的人才。這在創(chuàng)業(yè)的環(huán)境下，是非常難得的機會，有非常好的資源去使用，這是一個建議。

　　主持人(王昊)：前兩天百度的總監(jiān)陸奇先生誤入幻燈片門，王思聰先生立刻跳出說的一句話點評，我當時還在感慨，這個時代還是人類怎么反應的這么快，機器也做不到。今天聽了陶總的演講，才知道很可能他也是一臺機器，王思聰?shù)臋C器，因為他怎么會反應那么快呢。所以，有可能真是沒有想不到的只有做不到的;沒有做不到只有想不到的。財富雜志剛評出來今年的財富500強，市面做了一個調(diào)查讓這些CEO說一下他們心中的技術，答案是技術發(fā)展太快。又讓他們說哪些技術讓你們覺得擔憂，81%選擇了人工智能。當下看，人工智能肯定是夠熱，對于是不是過熱，明年再來看。但是有一個積極的期待，我相信經(jīng)過今天這樣的活動，臺下也有愿意從事這方面工作的同行們，相信一定能做出來比包括我在內(nèi)臺上四位更大的成就，謝謝大家堅持到現(xiàn)在，聆聽最后的精彩，也謝謝三位嘉賓!

　　主持人(王昊)：非常感謝，再次感謝四位。在這里有一個請求，雖然這是整個大會的最后一個環(huán)節(jié)，但是希望在座能夠與我們有一個非常好的結(jié)尾。今天聆聽了政府的領導、科學家、學者各個方面人士的精彩演講，像一位嘉賓提到的你有一個蘋果，我有一個蘋果，交換之后還只是一個蘋果。如果交換思想的話，至少有兩種思想。在今天WGDC的舞臺，匯聚各方面的精英推動整個的行業(yè)發(fā)展，這是大會帶給大家的價值。今天是非常難忘的一天，希望大家可以記住WGDC每一個精彩的環(huán)節(jié)，而明天還有6個論壇等待著大家，希望大家明天見證更多的精彩，謝謝!