分享
Scan me 分享到微信

圆桌论坛:空间大数据与深度学习

人工智能和深度学习是目前空间信息领域极受关注和探讨的领域。本届WGDC举办了以“空间大数据+深度学习”为主题的圆桌讨论。

  6月13日,第六届WGDC大会在北京国家会议中心隆重开幕。大会由空间信息产业创新创业服务平台泰伯主办,秉承不断引领和促进空间信息技术创新与变革的宗旨,WGDC已走过六个年头,如今已成为全球最具前瞻性的跨界创新风向标。

      人工智能和深度学习是目前空间信息领域极受关注和探讨的领域。本届WGDC举办了以“空间大数据+深度学习”为主题的圆桌讨论。
       
       主持人为北京极海纵横信息技术有限公司CEO王昊,嘉宾有:李方平,智慧神州(北京)科技有限公司工程院副院长;顾竹,北京佳格天地科技有限公司联合创始人兼产品副总裁、原NASA国家实验室数据科学家;宋常青,DigitalGlobe中国区负责人。

泰伯网

  以下为本次圆桌讨论内容(内容均未经本人审核):

  主持人(王昊):神州数码智慧研究院的院长李方平,多年来致力于智能研发。第二位是顾竹,原NASA国家实验室书记科学家。这一位是宋常青宋总,DigitalGlobe中国区负责人。DigitalGlobe我不用多说,咱们这个行业特别熟悉。DigitalGlobe这些年不仅给全球最大的商业卫星、影像数据公司,不仅给政府提供数据,其实给互联网企业也提供的数据也蛮多。大家看到网上特别多的数据影像和图片大部分来自于DigitalGlobe。

  选择人工智能的话题,我觉得泰伯也不是找一个噱头,泰伯也有义务,每次大会给大家找一个好的方向,让大家关注一下。

  前两天去参加一个活动,这个活动也是讲人工智能。活动的发言人是英美的全球副总裁,他提了一个观点说AI-City,他认为在将来这些年,人工智能是最容易产生行业垂直应用的领域。我觉得AI-City其实是做智慧城市领域的,城市的智能化。今天李院长在这,这个问题问他,在现在的智慧城市建设中,人工智能或者是机器学习能真正解决哪些原来不太好解决的问题,哪些已经做到了,哪些是将来才能够做到的?

  李方平:给大家分享一下,我们对人工智能在智慧城市领域实践的一些感受。我觉得智慧城市这个概念,其实是非常符合中国人特点的概念,就是可以意会,但不可以言谈。什么是智慧城市?大家有各自的定义。从我们来讲,应该说上一个话题先从智慧城市本身它的目的来阐述一下,其实一个智慧城市应该使生活在城市中的人们生活更加美好,这是智慧城市建设的一个目标。我们可能从目标来理解智慧城市更容易,如果从技术的角度是可以这么理解的。其实刚才一位嘉宾也提到过,我们理解的未来的智慧城市应该是叫人机物三者有机的融合,所谓的人机物其实是指社群空间,物是物理事件,还有信息空间,当这三个空间有机融合时,我们认为智慧城市就达到非常理想的状态。这三者其实就是刚才讲的,是时空大数据支撑下的三个空间的有效融合。人工智能在里面起到什么作用呢?我们生活在今天的世界,物理的空间和信息空间融合越来越大,重合度越来越大,当所有的数据汇集在一起时,我觉得人工智能就开始发挥它的作用。其实人工智能就像无盐之水,在数据的支撑之下,像刚才有一位嘉宾讲的,也许我今天晚上要到广州去,从我骑摩拜单车到坐公交坐地铁到坐飞机,到本地预订的宾馆,可能所有的服务会因我的需求而动,这其实就是我刚才讲的在智慧城市下面人机物有机融合的直观解释。

  主持人(王昊):李院长的解释里面重要的内容一个是融合,一个是人机物表现出来的意会的概念。接下来一个问题给顾老师,到底什么是人工智能,机器学习?

  顾竹:谢谢主持人提出的问题,我试着解释我的浅见。我以前在美国航空局工作,在做深度学习、机器学习在遥感领域的应用。其实深度学习解决的问题是去训练更深层次更复杂的网络和模型,神经网络我们叫浅层学习,单层是上世纪80年代出来的,当时限于模型的解读能力,所以没有加深去做。现在计算能力到了这个层次,对于模型的认识,对于数据学的解析认识,可以控制更深层次的模型,把模型提高更好。在这个基础上,我们是基于信息提取的能力,比如说单层的信息提取单独的形状,或者是味道。比如说一个苹果放在那,人都会说这是一个苹果,你咬了一口人也会说这是一个苹果,它在形状上产生非常大的变化,但是人不会因为变化做出错误的判断。但是原来的浅层学习,会对这种维度做出错误的判断,深度学习会解决这一问题的。

  在深度学习出来之前,斯坦福大学、伯克利大学做了很多的增强学习的研究。比如说斯坦福大学做的倒着飞的直升机,让直升机学习自己倒着飞,整个的流程是让计算机去学的。我认为它的意义不亚于深度学习计算,因为它帮助机器自主去学习了。大家谈人工智能谈阿尔法狗多厉害,其实回过头来想,人工智能是什么,比如说网上说是一个哲学的问题,人为什么聪明?如果是原始社会,我比你家聪明,我多打一头野猪,我家就可以活下来。聪明是人的一个潜能和机制,为什么让计算机发挥潜能聪明起来,这是主要的。增强学习是让机器自主学习,阿尔法狗自己跟自己下了两亿盘棋,这是增强学习的作用。它让机器自己有动力去发展自己,有这个基础之后,深度学习是让计算机如何去?增强学习是让计算机主动去?这两者结合起来,是现代人工智能大的方向,这是我的一点认识。

  主持人(王昊):我相信在座有很多年轻的从业者,大家也很想去学习这些知识,刚才陶总在幻灯片里也讲,要成为这样的专家还是挺难的。顾老师多年前就开始做遥感领域的机器学习技术,能走到今天肯定也是不容易的。无论是深度学习还是增强学习,原来都有这样的算法。为什么这些年火?是因为计算力强,再有就是数据太多。数据是非常重要的环节,我们都特别羡慕DigitalGlobe公司,数据又好又海量。我前两天跟DigitalGlobe宋总交流过,当有数据肯定再求发展,下面这个问题请宋总回答,从DigitalGlobe平台到底能为平台两端提供什么样的技术服务呢?

  宋常青:像主持人刚才讲的,美国数字地球公司,我们有业界最领先的商业遥感卫星,随着遥感技术的进步,从遥感影像无论从它的分辨率到光谱信息,实际上是越来越丰富的过程。

  数据越来越丰富,对于从用户端角度来看,是不是所有的用户都需要从原始的数据去做处理分析才能得到他想要的分析,我觉得并不是。我认为从这么多提供的遥感信息里面,能够快速获取结果,可能是大多数的用户最主要的诉求。整个遥感市场在发生深刻的变化,从原来的专业用户逐渐向行业内用户扩展,像行业用户不具备,专业用户具备的知识,怎么样快速从遥感数据获取到他想要的信息?近几年人工智能技术的发展,如何应用于遥感影像的处理?使大家有了期待。从传感的遥感影像来讲,实际上很难做到快速、准确、无误的。我们也是借助新的技术,能够让我们更好的去获取影像里的丰富信息,这是客户端。

  从开发者来讲,作为这样高质量的遥感卫星影像,实际上是空间大数据不可或缺的基础信息。开发者希望有更快速更便捷的方式,能够去访问有用的信息。需要有一个公共的平台,希望能够更快速去获取数据。同时,从人工智能、深度学习等等这样的开发者来说,他们的一些算法,最佳的方式是跟数据融合在一起,在同样网络空间里面,同样的可以快速去调用,快速去分析去利用海量的影像数据。

  DigitalGlobe公司做的叫GBDX大数据平台,实际上提供了公共的平台,提供了这样的生态系统,可以把我们海量的数据加载在平台上,能够把合作伙伴机器学习的算法加载到平台上。所有的数据在平台实现和完成,这样提供了一种创新模式,可以把数据、开发者、用户跟想要的成果和所需要的算法有机结合在一起,用户不一定非要去买原始数据才能得到相应的结果。我们的算法给开发者,可以把这样的算法直接加载到平台上面,直接向用户提供他想要的做商业决策有效的信息,这是一种商业运作的创新模式。

  主持人(王昊):谢谢宋总,我觉得有了数据就有了杠杆资产,可以撬动很多的业务模式、商业模式和应用方向。说数据是黄金数据是钻石怎么都不为过,对于我们这样的创业者来说能拿到高质量的数据是特别有挑战的事情。

  下面请李院长讲一讲他们做智慧城市业务中,是怎么样帮助这些政府把数据资源解放出来,用于应用,从科技发展管理来讲,地方政府是怎么做的?

  李方平:我觉得这个问题非常好,大量有价值的数据分布在不同领域里,一个是大家都了解的互联网公司,还有是大的央企,还有各级政府手里。因为老百姓每做一件事情,都需要在政府系统里进行登记和处理,所以这些数据被锁在原来政府大系统里。应该说数据的开放是从2002年开始的,那个时候中国政府推出了数据开放和资源目录的相关标准,但是走了十几年数据公开还局限在一定程度。我的理解是应用的推动还没有到达那个程度,今天随着互联网的应用越来越多。刚才讲的人机物的融合越来越多,我觉得数据的开放会成为以后做的最基本事情。我们怎么样去做这件事?我们提出了智慧城市的操作系统概念。如果要个人的数据和企业数据都开放给社会的话,可能存在隐私保护和安全的问题,我们就把这些数据进行分装,其实就是所谓的API经济,把所有的数据开放为服务。这些服务可以对任何的使用者所调用,这样他可以不接触数据,但是可以去接触数据调用的服务。服务分成几类,一类是基本业务的服务,还有是模型的, 一些机器学习的算法,还有一些行业领域的模型,分装成服务。在此基础之上,把它开放给所有的创新创业者进行使用,这实际上是我们最近刚才讲到的智慧城市操作系统的概念。

  原来的城市看到的是道路、楼宇、管网,但是在大数据云计算时代,未来看到的是城市里每个数据提供的服务,这个服务可能最基础就是由政府提供的服务,还有商业企业提供的服务。我们未来人们用城市里的数据,像我们使用操作系统来操作它的键盘,或者是任何外设、存储一样,这样就会把数据开放。我们提出来一个理念是逻辑上是集中的,物理上是分散的数据管理策略。里面还有很多细的东西,在这里简单介绍这些。

  主持人(王昊):政府的数据如果开放出来,先不说机器能做什么,人冲上去就能做很多的事情。说到这个话题我想起来,前些年马航370时,DigitalGlobe做了很有意思的事情,把遥感影像分发出去,采用众包的方式让大众去找飞机的残留、骸品等。虽然没有找到,但是这个方式非常好。宋总您预测一下,将来在遥感领域机器一定会超过人吗?或者机器一定会成为遥感专家,在这个领域最大的挑战是什么?

  宋常青:从遥感影像的分析处理,这是非常复杂的事情。大家知道很多的行业遥感影像的软件和解析算法,很难做到准确和自动。原因是因为遥感影像本身包含的内容很丰富,而且准确的分析和判断遥感影像所传递的信息,实际需要很多人为的经验。那么问题来了,如何把这些人的经验跟人工智能跟机器学习的技术结合,把人的经验转化成可以自动化靠机器实现的分析算法,这可能是对于遥感影像的分析是非常大的突破和机会,我觉得这个是很重要的。

  刚才主持人问的,在这个过程里面会碰到哪些挑战?我觉得第一个挑战是需要有足够高、质量好的数据去做分析。比如说以DigitalGlobe公司为例,我们除了提供0.5米、0.3米的遥感影像,还可以提供8个波段的卫星遥感影像,目前还可以提供16个波段的卫星遥感影像,技术不断的发展和进步,所有的卫星采集到的最新影像可以在24-48小时之内可以放在TBGS(音)平台上面,可以让广大的用户去利用到。这个是不是足够高足够好足够快获取地球面貌的分析数据,这是一个大的挑战。

  另外一个挑战,如何让机器学习算法更加准确识别出想要识别的物目的。我们最新做一个尝试推出了个叫共享的数据项目。它提供的东西是把我们分析好的高质量影像样本数据,通过亚马逊云发布出来,这是我们跟一家公司共同合作的一个项目。目的是给一些公司提供高质量的影像样本数据,提高算法的准确度和能力,这是我们做的尝试。

  主持人(王昊):我觉得这件事情相当长一段时间都是非常有难度的。说到这,在中国人工智能方面,有很多智库的观点丝毫不比美国差,比如说前一段时间李彦宏出了一本书叫《百度革命》,很多方面都不比美国差,比如说智能驾驶这些。

  接下来一个问题交给顾老师,因为顾老师的佳格影像的实验是在美国操作,我想问一下从中美两国商业化角度去看,中美两国的差异是什么样的?

  顾竹:当时我们从拉萨决定回国,也是有一些想法。因为我们当时在硅谷,前后左右分别是谷歌、Facebook几个大的互联网公司,我们作为一名研究员天天看着他们开着特斯拉穿越于弯曲的大小道路,我在想我们做的模型、数学、工程也好,一点也不比他们差,甚至是最顶尖级别的,为什么钱都被他们赚去了?这让我们觉得,其实我们做的东西很多,这些产品也可以商业化去应用,其实在这个层面上,美国并不比中国走的更远,或者走的更快,这也是大家刚刚才意识到的一个东西。我们现在遥感数据爆发的年代,我们有更高分辨率,时间分辨率、空间分辨率的数据,我们可以做更多的事,我们还有人工智能支撑,其实这些应用才刚刚开始。

  比如说我们通过卫星影像做全球原油储备的总量统计,去看油罐的容量影子有多高,这样的应用才刚刚开始,但是我觉得面临很多的问题。无论工程、科学上的问题很多,一旦可以解决把这条路走平了,会有很多的人去买数据,对数据有兴趣。包括美国、欧洲、中国在内,之前的应用局限在政府的观测和统计,针对于商业层面一片蓝海,等待我们去挖掘。这一块政府不会帮助我们去做,是我们自己想怎么去做。我们佳格从农业做这件事,去商业转换应该是水到渠成,遥感影像高精准的观测为用户提供服务,我们其实有在探讨这件事。在美国也有这样的公司去探索,但是数来数去竞争对手也不多,商业领域还是有很多的事情去探索。我们可以去做智能交通的堵塞统计,可以去做水资源的统计,可以去做各种各样的统计,就看我们如何去挖掘这个事情。

  宋常青:刚才讲农业,其实我们之前跟佳格公司刚做了一个非常有意义的尝试,利用多波段卫星遥感数据,结合佳格机器学习的技术,对同一个时期生长的玉米和大豆做了很精准的分类,这也是很有意义的尝试,非常有新意,我认为对所有业内的人士和创业者都是很好的启发。

  顾竹:关于这个项目,其实牵扯到的技术和数据要求壁垒是比较高的,很有幸我们能拿到高分辨率的光谱和空间上的数据,能做到玉米和大豆的精准分类。其实两者纹理差不多,但是你看不出来,但因为佳格有这样的基础,这对我们来说也是很好的合作机会。

  主持人(王昊):因为今天的时间不早了,最后请三位嘉宾对想致力于人工智能和大数据领域的年青人,提一些建议。

  李方平:我觉得如果要想在人工智能领域做事情的话,首先还是要突破自己的思维限制。在十年前没有人认为,下围旗机器能超过人,因为他们觉得这件事情太复杂了。但是在十年之后,这件事情变得特别简单,首先打破思维的限制。第二,如果致力于把生活打造的更美好,我觉得一定要有无数新鲜创新的思维出来,我觉得应用实际上是驱动技术进步重要的源泉。第三,勇气。当你突破了自己思维限制,心怀理想,再有勇气,我觉得事情就差不多了。

  顾竹:我说一下我的感觉,一点建议的话我会说先练内功,再练外功。内功是你对于机器学习,里面的逻辑过程、数学过程,是否真正理解。另外练外功,一定要找到应用的点,这个东西做出来干嘛用?大家会说谷歌可以做阿尔法狗,它可以下围棋,有谁会买阿尔法狗,把它买回来陪我下围棋,没有人去买吧。谷歌做这件事告诉大家我的实力或者人工智能可以做这件事,它可以做别的什么事不一定告诉你,到时候拿去卖钱。我觉得一定要找到真正的应用点,让它有驱动力去做更好的应用,发挥这个机器的效益。

  宋常青:随着技术的进步,大家可以看到原先非常昂贵的高质量遥感影像,它的使用门槛现在大幅度降低。对于创业者来说这是非常好的机会,创业最缺资源,需要有各种好的资源,需要有积累下来的知识使用,现在都有了。遥感影像的门槛降低了,机器学习的方式把人类的经验总结成算法,应用在各种各样的领域里头。如果把机器学习和遥感影像结合在一起,我认为市场的潜力是非常广阔。有太多的用户和行业,现在传统的技术还没有更好的解决方法,太多这样的例子。遥感影像实际上可以被非常多非常广泛的用户使用,这个里面欠缺的东西是跨行业的技能和知识,怎么样去跨行业?现在机遇就在这。影像的门槛降低,通过机器学习的方法可以把影像的分析结合人类的经验应用在各个领域里头,只要找准一个领域找准一个方向去把知识用在这个地方,就可以去做跨行业的人才。这在创业的环境下,是非常难得的机会,有非常好的资源去使用,这是一个建议。

  主持人(王昊):前两天百度的总监陆奇先生误入幻灯片门,王思聪先生立刻跳出说的一句话点评,我当时还在感慨,这个时代还是人类怎么反应的这么快,机器也做不到。今天听了陶总的演讲,才知道很可能他也是一台机器,王思聪的机器,因为他怎么会反应那么快呢。所以,有可能真是没有想不到的只有做不到的;没有做不到只有想不到的。财富杂志刚评出来今年的财富500强,市面做了一个调查让这些CEO说一下他们心中的技术,答案是技术发展太快。又让他们说哪些技术让你们觉得担忧,81%选择了人工智能。当下看,人工智能肯定是够热,对于是不是过热,明年再来看。但是有一个积极的期待,我相信经过今天这样的活动,台下也有愿意从事这方面工作的同行们,相信一定能做出来比包括我在内台上四位更大的成就,谢谢大家坚持到现在,聆听最后的精彩,也谢谢三位嘉宾!

  主持人(王昊):非常感谢,再次感谢四位。在这里有一个请求,虽然这是整个大会的最后一个环节,但是希望在座能够与我们有一个非常好的结尾。今天聆听了政府的领导、科学家、学者各个方面人士的精彩演讲,像一位嘉宾提到的你有一个苹果,我有一个苹果,交换之后还只是一个苹果。如果交换思想的话,至少有两种思想。在今天WGDC的舞台,汇聚各方面的精英推动整个的行业发展,这是大会带给大家的价值。今天是非常难忘的一天,希望大家可以记住WGDC每一个精彩的环节,而明天还有6个论坛等待着大家,希望大家明天见证更多的精彩,谢谢!

参与评论

【登录后才能评论哦!点击

  • {{item.username}}

    {{item.content}}

    {{item.created_at}}
    {{item.support}}
    回复{{item.replynum}}
    {{child.username}} 回复 {{child.to_username}}:{{child.content}}

更多精选文章推荐

泰伯APP
感受不一样的阅读体验
立即打开