声明一下，这不是科幻小说。
可能有人看了会觉得有些描述有点科幻，但是我想明确一点，科幻是用现有科技水平做出的对未来的描述，而这篇文章是基于现有科技水平的合理推测。这是本质区别。
事实上，AI还不成熟，但2020年5G的大规模商用以及由此产生的一些变化，将为大数据、云计算、IOT提供肥沃的土壤，这些技术在某种程度上将成为AI的“四肢”和工具。
本文不打算从宏大的角度切入这些技术趋势，而是从交通的角度，具体通过提出一些解决交通问题的思路，来谈谈我对今年十大技术趋势的一些看法，以及一些有趣的推测。
交通问题究竟是什么问题？既然要解决交通问题，那么首先要明白什么是交通问题？
读者可能要举手了。交通问题不就是像交通堵塞和撞车这样的坏事吗？
说实话，这么说没有错，只是这种理解还不够深入本质。
我们先玩个小游戏。这个游戏的名字是渐进式交通系统建设。我们有很多道具，比如小房子、汽车、轮船、飞机、自行车、电动车和很多模型人。
现在我们开始玩游戏。
首先，我们只在会场放模特。他们可以四处走动，就像古代人一样。事实证明，模特们之间不存在流量问题。
其次，我们放入马匹和马车。这时候出现了少量的交通问题，但是由于马车和马在所有交通主体中所占的比例很低，所以交通问题还是微不足道的。
然后，我们在场地里放了很多房子，房子之间形成了街道，街道形成了网络。与此同时，自行车、摩托车和少数汽车开始出现。这时候交通问题开始出现，成为现代文明的噩梦之一。在这里，行人走在街上可能会遇到人、自行车、摩托车或汽车，但他接收道路信息的方式与古代人无异，需要面对的情况呈几何倍数增长。
最后再加上大量的汽车，电动车，自行车，拥挤的人群。这是现代交通工具。虽然拥有迄今为止地球上最先进的文明和科技，但交通问题仍然每年夺走成千上万人的生命。
从这个渐进式交通系统的建设中，你是否注意到了一些导致交通问题的关键因素？
从第一阶段到第二阶段，说明交通信息量在增加；从第二阶段到第三阶段，表明交通信息的多并发属性明显加强；从第三阶段到第四阶段，说明流量的即时信息和并发性是人类无法控制的。
在我看来，现代交通问题的本质就在于这两点，可以概括为信息不对等和“数据产生率与数据处理率的不匹配”。在现代交通系统中，人、车、路构成了基本的立体结构。但由于这个系统中各种影响因素的密度迅速增加，信息量会呈指数级增长，各种影响因素之间的信息无法共享，最终导致各种交通问题。这种信息不对称同时表现在时间和空上。前一种不对称造成“堰塞湖”现象是因为信息的滞后性——即信息会在某个时间点出现一次性的爆发，而后一种不对称会使交通问题复杂化——而后者可能因此成为交通问题的组成部分。
信息不对称的直接结果就是会产生大量需要处理的数据，而且会随着时间和空的变化而变得更加复杂，考验人的数据处理能力。所以就像恶性循环。现在的交通规则和管理制度基本都是在后期发力——也就是中断数据生成的源头，尽快处理。
不得不说，这种方法对于百年来的交通状况来说是一种非常好的方案，但是近年来，由于交通系统中的影响因素呈几何级数增长，这种单纯依靠人力的交通管理系统面临着严峻的挑战。
换句话说，对于交通系统来说，最大的变数已经发生了——如果信息不对称继续发展下去，单纯靠“治标不治本，就地控制”的方法将无法有效控制交通系统。
因此，人们关注智慧城市和智能交通。这个领域的核心技术是阿里达摩院提到的一些，比如机器之间的大规模协作，比如AI从感知智能到认知智能的进化，比如云计算的发展。
智能交通：“让机器管理机器”其实技术的发展就是为了解决问题，推动整个系统的升级。所以我并不是只分析某一个方向的技术发展，因为一个问题的解决往往需要多种技术齐头并进。
比如交通问题，我们为交通问题寻求的解决方案的名字叫智能交通，但是什么是智能交通呢？很多人可能会描述科幻电影里的画面。事实上，那也是我们的努力之一，但人们可能需要更现实和明智的答案。
比如，我们形象地把智能交通变成一个人。那么这个人的大脑就是AI，他的神经元既是一个数据采集器，又是一个命令发送器——同时又与各个交通影响因素相连接，所有的交通影响因素在时间上都能达到近似相等的信息空。保障这一切的血管和毛细血管就是物联网，信号通道——也就是5G的相关数据通道——是维持整个系统运转的基础。
其实很多人都能理解，智能交通是一种逐渐脱离“人治”的新型管理系统，其核心在于“让人工智能凌驾于所有交通影响因素之上来管理整个系统”。
但在具体实现方式上存在差异:一种方式是绝对集权，以某个AI主体为绝对核心；另一种方式是去中心化。每个交通影响因子都有对应的AI系统，但是AI可以在机器之间进行交流和协作。第三种方式是两者的融合。有更高层次的AI来应对复杂多变的交通状况，同时机器上的AI也能相互配合。
这代表了三个方向。但这三个方向是目前的技术无法实现的，而阿里达摩院提到的十大趋势中，这三个方向都有需要的技术进步。
首先说两个AI相关的项目:“保护数据隐私的AI技术将加速落地”和“人工智能从感知智能进化到认知智能”。
从智能交通的发展历史来看，保护数据隐私的AI技术大概会更早的得到应用和发挥作用。在交通领域，至少在技术上有了这样的突破之后，我们可以放心地构建一个相对完整的立体交通网络。目前各种汽车、自行车、电动车、行人等。基本上都配备了自己的位置信息。但是，因为数据隐私问题，这些来自不同交通影响因子的位置信息无法同步共享，这意味着我们可能已经实现了最初的信息对等，但因为数据隐私问题，我们不得不搁置它。
如果应用保护数据隐私的AI技术，智能交通将能够迈出第一步——整合位置信息资源，并将其应用于交通问题的预防。
这将直接改变目前糟糕的交通状况。
而“人工智能从感知智能到认知智能的进化”对后面智能交通的发展大有裨益。在我前面列举的三种情况中，无论人们最终选择哪个方向，人工智能都需要从感知阶段进化到认知阶段。
这里有一个重要的区别:如果说感知智能属于通过公式学习规律，最后根据掌握的规律分析数据，那么认知智能更类似于它做出选择的能力，它通过分析自己主动选择学习什么。
换句话说，认知智能是意识的复活。
对于未来的交通系统，认知智能具有更高效的预防和处理能力。当然，在让人放心的前提下。
其次，与物联网有关，即机器之间的大规模协作。
和数据隐私保护一样，如果有所突破，将是智能交通的巨大推动力。机器之间大规模协作所需要的东西，今天似乎有了突破。无人车上的各种传感器和中央控制系统共同构成了汽车的“AI”灵魂，不同汽车之间AI的交流有助于物联网的有效连接。
他们将能够在互联网上共享数据，同时，他们将把汽车的信息传输到沿途的所有地方，以便提前规划汽车之间的所有路线。一旦这种大规模的合作顺利进行，那么也许有一天红绿灯会消失，所有的交通信号都会变成汽车AI之间的“对话”。
机器之间大规模协作的基础是5G。随着2020年5G更大规模的商用，相信会有更多的项目落户这里。
然后，还有云计算。
我们不可能把超级计算机装进汽车，传统的计算机也承载不了AI的运算，所以更有可能的是AI会藏在云服务器里，汽车只是云服务的一个展示界面。回到现在，随着物联网的应用和机器之间的大规模协作，大数据的生成和分析将会前所未有的蓬勃发展，而当人们回归生活，大量的信息将会隐藏在更容易随身携带或者更集中的设施中，那么承载计算的部分必然会被转移，所以今年将会是云计算开始发力的一年。
总之，这些技术的突破将共同推动智能交通的发展和智慧城市功能的完善。
最后说说AI。
事实上，这让我有点毛骨悚然。
我一直认为AI最终会成为人类技术发展产生的曼陀罗花，但我也发现我自己的思维有局限性——用我们现有的思维去思考另一种技术背景下的一个新事物，很容易产生偏见和短视。
就像中世纪哥白尼宣扬日心说一样，当人们看着太阳和脚下的地球时，谁会相信地球会绕着太阳转？当人类的眼睛冲破大气层，向宇宙深处望去，就知道了无声的真相。
或许在未来，那些我们认为的对人工智能的担忧，在新技术的背景下，会成为另一个时代的“无知传说”。
如果是这样，也许我们应该对AI说，欢迎来到我们的世界。
