事先声明，这不是一篇科幻题材的文字。

有人读过后可能觉得某些描述略显科幻，但我想说明的一点是，科幻是脱离现有科技水平而做出的对未来的描述，而本篇则是基于现有的科技水平而做出的合理推测。这是本质上的区别。

对于这个标题，如果你知道阿里达摩院最近公布的2020年十大科技趋势的话，我想若第七条——人工智能从感知智能向认知智能演进——实现的话，那么AI向人类打招呼的场景将很可能名副其实。

事实上AI还很稚嫩，但2020年5G的大规模商用，以及由此而产生的某些嬗变，将会为大数据、云计算以及IOT提供肥沃的土壤，而这些技术，某种程度上将成为AI的“四肢”与工具。

本篇文章不打算从一个宏大的角度去切入这些科技趋势，而是从交通这个点上，具体来说通过提出解决交通问题的某种设想，来谈谈我对于今年十大科技趋势中某几个趋势的看法，以及一些有趣的推测。

1、交通问题究竟是什么问题？

既然要解决交通问题，那么我们首先要明白——什么是交通问题？有读者可能要举手，交通问题不就是堵车撞车那些糟心事儿吗？说实话这么说也没什么不对，但这种理解不够深入本质。我们先来做一个小游戏，这个游戏的名称叫做渐进式交通系统搭建。我们的道具很多，小房子、小汽车、轮船、飞机、自行车、电动车……还有很多模型人。现在我们开始玩游戏。首先我们在场地中只放模型人，他们可以走来走去，就像古代人一样，事实证明模型人之间不存在交通问题。其次我们放入马匹和马车，这个时候，少量的交通问题出现了，但因为马车和马匹占据所有交通主体的比例较低，交通问题依然属于小事儿。再然后，我们在场地中放入很多房子，房子之间形成街道，街道形成网络，同时开始出现自行车、摩托车和少量汽车，这个时候，交通问题开始浮现出来，并成为现代文明的噩梦之一。在这里边，行人在街上走着将可能遇到人、自行车、摩托车或汽车，但他接收路况信息的方式和古代人并无区别，而需要面对的情况却呈几何倍数增加。最后，我们加入大量的汽车、电动车、自行车以及密集的人流，这就是现代交通，虽然拥有着地球上迄今为止最为先进的文明与科学技术，然而交通问题每年仍在带走成千上万人的生命。

那从这个渐进式交通系统搭建中，你是否察觉到交通问题产生的某些关键因素？从第一阶段到第二阶段，说明交通的信息量在增加；从第二阶段到第三阶段，说明交通信息的多并发属性在明显加强；而从第三阶段到第四阶段，则说明交通的瞬时信息量和并发量已经超出了人类掌控的范围。而在我看来，现代交通问题的本质就在于这两点，概括起来就是信息不对等以及“数据产生速率与数据处理速率的不匹配”。在现代交通系统中，人、车、路构成基础的三维立体结构，但因为这个系统中各影响因子密度的急剧增加，信息量会呈现指数级别的增长，而且各影响因子之间信息无法共通，最终造成种种交通问题。这种信息不对称，同时表现在时间和空间上，前者的不对称造成信息因为迟滞而出现“堰塞湖”现象——即信息会在某个时间点上呈现出一次性爆发的特点，而后者的不对称则会造成交通问题的复杂化——后者可能因此成为交通问题的组成部分。信息不对称的直接后果就是产生大量的待处理数据，并且随着时间和空间的变化更加复杂，而这都将考验人们对于数据处理方面的能力。所以这就像个恶性循环，现行的交通规则和管理体系基本上都是在后一阶段发力——即打断数据产生的根源，同时尽可能快地进行处理。不得不说，这种方式对于过去百年间的交通状况都是一个很不错的方案，但到了近几年，因为交通系统中影响因子呈几何倍数的增长，纯靠人力的这种交通管理系统正面临着严峻挑战。换而言之，对交通系统而言最大的变数已经产生——如果任由信息不对称的情况下继续发展，那么将无法单纯依靠“现场处理、现场控制”这样“治标不治本”的方法进行交通系统的有效控制。所以，人们将目光瞄向了智慧城市和智能交通领域。

而这个领域的核心技术，就是阿里达摩院提到的某几条，比如机器间大规模协作，比如AI从感知智能向认知智能演进，比如云计算的发展。

2、智能交通：“让机器管理机器”
技术的发展其实就是解决问题，同时促使整个系统的升级。所以我并不单单分析技术在某个方向上的发展，因为落脚在问题上，一个问题的解决往往需要多种技术齐头并进。就比如交通问题，我们为交通问题寻求的解决方案名字就叫智能交通，但智能交通是什么？许多人可能会描述科幻电影里的画面，事实上那同样是我们努力的方向之一，但人们可能需要更加真实可感的答案。比如说，我们把智能交通具象化为一个人。那么这个人的大脑就是AI，他的神经元既是数据收集器又是指令传送器——同时也与每一个交通影响因子相连接，所有的交通影响因子得以做到信息在时空中的近似对等，而保障这一切的血管和毛细血管就是物联网，而维持整个系统运行的基础则是信号通道——也就是5G的相关数据通道。说到这里其实很多人都能明白，智能交通是一个逐渐脱离“人治”的新的管理系统，它的核心便在于“让人工智能凌驾于所有交通影响因子之上，来对整个系统进行管理”。但在具体实行方式上，又存在着不同：一种方式是绝对中心化的，以某一个AI主体为绝对核心；另一种方式则是去中心化，每一个交通影响因子都有对应的AI系统，但AI之间可以进行机器间交流与协作；第三种方式则是两者的融合，既存在更高等级的AI处理复杂多变的交通状况，同时机器上的AI之间也能进行协作。这代表着三种方向。

但这三种方向都是目前的技术所无法实现的，而阿里达摩院提到的十大趋势中，则有着这三种方向都需要的技术进步。

首先说说AI相关的两条：“保护数据隐私的AI技术将加速落地”，以及“人工智能从感知智能向认知智能演进”。

从智能交通的发展历程来说，保护数据隐私的AI技术将可能更早应用并发挥作用，在交通领域来说，至少这样的技术获得突破后，我们可以比较放心地搭建较为完整的立体交通网络。目前城市出行中，各类汽车、自行车、电动车、行人等基本上也都有能够标示自己位置信息的设备，但因为数据隐私问题，这些来自不同交通影响因子的位置信息并不能实现同步并共享，也就是说我们本来存在实现初步信息对等的可能，但因为数据隐私权问题而不得不搁置。如果保护数据隐私的AI技术得以应用，那么智能交通将能够迈出自己的第一步——整合位置信息资源，并应用于交通问题的预防。这将直接令如今糟糕的交通状况发生较大改变。而“人工智能从感知智能向认知智能的演进”，则对于推动后边智能交通的发展大有裨益，在我前边列出的三种情况中，无论人们最终选择哪个方向，人工智能都需要从感知阶段向认知阶段演进。这里有一个重要的区分：如果说感知智能属于通过公式去学习规律，并最终根据掌握的规律进行数据分析的话，那么认知智能更类似于它拥有了做选择的能力，它通过对自身的分析去主动选择学习什么。换句话说，认知智能是意识的复苏。

对于未来的交通系统来说，认知智能拥有更高效的预防能力和处理能力。当然，在令人放心的前提下。

其次是物联网相关，也就是机器间的大规模协作。

它与数据隐私保护一样，如果获得突破，对于智能交通来说都将是一种巨大推动力。机器间的大规模协作需要的东西在今天看来已经有所突破，无人车上的各种传感器和中控系统，它们共同构成汽车的"AI“灵魂，而不同汽车之间AI的交流，就促成了物联网的有效连接。它们将可以在网上实现数据共享，同时会将汽车的信息传送到沿途各处，这样汽车之间相当于提前规划好了一切线路，这种大规模协作一旦顺利，那么也许有一天红绿灯将会消失，所有的交通信号将成为穿行于汽车AI之间的”对话“。

机器间大规模协作的基础就是5G，2020年随着5G更大规模的商用化，相信会有更多项目落脚于此。

再然后，就是云计算。

我们不可能将一台超级计算机装进汽车里，而传统意义上的计算机并不能承载AI的运算量，那么更大的可能就是，AI会藏身于云服务器，汽车内的只是一个云服务的显示界面。说回到当下，随着物联网的应用，以及机器间大规模协作的发生，大数据的产生与分析将前所未有地蓬勃，而回到人们生活之中，海量的信息则要隐匿于更加容易随身携带或者更加集中化的设施中，那么承载计算的部分就必然会发生转移，所以今年将会是云计算开始发力的一年。

总之，这几种技术的突破将合力于一处，共同推动智能交通的发展，以及智慧城市的功能完善。

最后，说说AI。

其实这是个让我有些毛骨悚然的事物。我一直认为AI最终将成为人类技术发展结出的曼陀罗花，但我也发现自己的思维存在着局限性——我们以现有思维去思考一项另一种技术背景下的新事物时，很容易存在着偏见和短视。就如中世纪时哥白尼宣扬的日心说，当时的人们看看太阳，又看看脚下的大地，谁会相信地球会绕着太阳转。而当人类的目光突破了大气层，望向了深邃宇宙，才知道那些令人沉默的真相。也许在未来，我们所思及的那些对于人工智能的担忧，在新技术的背景下将成为另一个时代的“愚昧传说”。如果真的这样，也许我们该对AI说一句，欢迎来到我们的世界。