在2015年，中国工程院启动了一个“中国人工智能2 0发展战略”，这个不仅仅是研究硬件本身，也考虑知识和软件层面的一些研究，包括从单体的人工智能到群体的人工智能，这是它的一个重要特点。

我今天主要围绕三个方面，谈谈我对人工智能的一些想法和一些探索的思路。

首先，人工智能时代确实已经到来，来得也非常的快。实际上人工智能存在已经有六十年了，最早诞生于1956年，但是有三次低谷。

第一个是1973年的时候，叫人工智能的“冬天”。那时候研究的主题就是如何让机器人智慧。所以那个时候更多地是把人工智能定义成为一种非常高端的像人一样的机器身上，最后以失败告终。

到1982年是人工智能发展的第二次低谷，日本研发了一个叫智能的第五代计算机，定义为高度智能硬件的开发，而忽视了对软件和知识的应用，所以最后也失败了。

到了九十年代，因为前面发展硬件可能不一定有出路，九十年代就把所有的精力放到专家系统上。就是把一些在行业里面对这种知识非常了解的一些专家，把他们的知识整合起来，做专家型的知识百科。

但是后来随着互联网的出现，大数据时代，我们在网上一搜索，很多知识是最新的，甚至还可以跟我们做一些深度挖掘信息，都可以获得到。第三次支撑了十年左右的时间，当时大概投资了8500万欧元，来做这样一个研究，最后也失败了。

在2015年，中国工程院启动了一个“中国人工智能2.0发展战略”，这个不仅仅是研究硬件本身，也考虑知识和软件层面的一些研究，包括从单体的人工智能到群体的人工智能，这是它的一个重要特点。

到了2017年，中国发布了一个叫“新一代人工智能发展规划”，彼时就是人工智能建设的一个高潮。

所以人工智能的发展应该是潮起潮落，在目前这个阶段是步入了一个大发展的时期。

在国际上有一个叫大规模视觉识别挑战，就是把人和人工智能的机器一起对比，看对物体识别的精度，谁能获胜。在2014年之前，人的识别能力和机器的识别能力相比较，人是绝对占优势的，比较稳定。而人工智能是不断上升的一个发展过程，但是在2014年性能已经赶超了人的智能这样一个能力。

在斯坦福专门开设了一个课程，其实它在九十年代的时候就已经有人工智能相关的课程，但是在那个时代受到一些外部条件的限制，比如说我们的信息技术，我们的计算资源、计算能力可能不一定跟得上，包括我们的通信。

回到我们这个行业，我们也在考虑人工智能和我们行业怎么深入融合？

我们也有机会做了一些人工智能和公路巡查的一些项目。我今天主要分两个层面，一个是国内外相关的单位怎么做，然后讲讲我们在公路领域做了哪些探索。 

首先是公路巡查，我觉得有几个痛点：

第一个就是公路最典型的一个特点，量大面广。现在基本上很多的省份高速公路和国省干线都超过了5000公里，甚至10000多公里的国省干线，对它来进行精确的巡查，这个投入的人力成本是非常高的。

第二个特点，我觉得是巡查内容的多样性，这个也是一个很难的事儿。比如说一些基础设施、一些附属设施，甚至对一些交通的事件等等的巡查，巡查内容的特点不一样，对我们巡查的难度也是不一样的。

第三个特点，是事件出现的随机性。有一些巡查内容不是天天都存在的，甚至不是在一个固定的路段、固定的时间出现的。这个时候我们以人的这种形式来巡查的话，这个效率和代价比较高。

第四个特点，在这种量大面广，巡查内容又很多，事件出现比较随机的大背景下，人工巡查的效率是有待提升的。

所以我们思考，能不能探索一个新的思路，运用我们一些现在比较热门的学科，深度学习、机器视觉，包括大数据的分析、知识图谱，构建人工智能的一些手段，来缓解我们公路巡查的一些痛点。

这里面讲的机器视觉可能常规的理解就是摄像头，因为摄像头更像一个人的眼睛去看，这个是我们常规意义上理解的机器视觉，实际上远不仅于此。包括雷达、激光，实际上我认为都是机器视觉应用的一个场景和一种工具。

在人工智能和公路巡查里面，首先在AI的云架构这一块，实际上它是一个大数据资源的平台，和物联网资源平台的一个整合。因为它的外端都是要结合很多前端感知的一些设备来感知这样一些事件和巡查的内容。

我们当时做这样一个项目的时候，也考虑和检索了美国的一些做法。

美国是做了这样一件事，他们把车载的视频，放在前挡风玻璃上面，再结合自己车上装的陀螺仪，和一些人工智能的算法，做了一个类似于，我们只要车上放一个APP的手机就能够检测我道路的一个损坏程度。

把它分了五级，就像我们的交通拥堵一样，实际上这也是一个典型的公路巡查。

第二种我们也找了几个案例，就是人工智能和众包的这种模式结合。什么概念呢？也是基于前端的感知，但是这种前端的感知是需要有智能驾驶的这样一些功能车的摄像头，它来采集这样一些数据。

同时它还收集一些我们平时关注度比较少的，比如像一些标识的缺失等等这些数据，来共享，甚至给我们的交通管理部门来共享这样一些数据。

国内也有很多AI产品的应用，这个里面一个典型的应用就叫全量的视频自动巡查，从单体的智能到群体的智能，实际上也考虑到全量的概念，不是某一个点上人工智能的应用，所以实现了一个全量视频自动联动和巡查功能。

他们当时界定的目标是事件发现时间要小于20秒，准确率要达到95%以上。

作为我们来讲，我们做了这么几件事。

第一个我们在想如果是通过纯粹视频的手段，这样一种机器视觉的手段，来做人工智能的应用，可能在某些场景下会有一些缺陷。比如说在晚上，有大雾或者是下雪的环境下，它最后检测的一些精度可能会受到一些影响。

我们和雷达结合起来，做这样一个互动，做一些事件的检测。这样一套设备，目前是布在我们中设集团，我们外围有一条道路，也装了这样一些设备，来做这样一些探索的应用。

第二个方面应用，我们最近在光谱分析这一块，因为我们知道很多的物体光打上去之后，它反射过来光谱的特点是不一样的，我们能不能用这样一些光谱的特性来对一些路面进行巡查。

反映出几个特点，第一个是每一个不同的路面行驶，不管它有没有损坏，它反射过来的光谱，反射率是不一样的，就给我们一个启示，就是说不同路面特征光谱是不一样的，我至少可以对路面进行分类。

第二个启示，它的曲率、变化率、反射率的大小是不一样的。它和什么有关系呢？和我们路面老化的程度是有关系的，老化得越厉害，磨得越光，它反射量可能就大一些。   

在一些病害的特征，同样的也有这样一些特点。比如说在一些路面的裂缝、车子的病害等等，它反射的时候，在巡查的时候，通过这样一种特点，它的光谱特点也是不一样的。

比如说路面的裂缝会导致光谱的反射率大概在1000纳米，但是裂缝越深系数越大，反射就越小。而且横向的裂缝和纵向的裂缝没有差异性，这样我们也可以对一些裂缝，就是我纵向的跑和横向跑，都可以去做这样一些路面病害的养护，这样的一个巡查。

我们也做了关键区域客流监测的应用。

一些典型的场景，在一些高速公路或者是服务区，可能有违法上下客的行为。我们可以对这些行为进行及时的跟踪和发现，反馈给我们的执法部门，来提高我们巡查的效率和精度。

第一个要解决的问题是跨视频的目标跟踪，例如在服务区，因为从我们进这个服务区是一个过程，我们可以对车辆的车牌、颜色，甚至车的一些形状和前脸等等作为一个特征，以此来判断它是不是一个客运的车辆。

我们在整个通道中对它进行一个全程的跟踪。就是通过时空的线索和外观的线索，来实现我们服务区里面若干个摄像头的这样一个车辆的联动跟踪，到最后车辆停在某一个位置有没有停下来，是不是违停，我们对它进行一个定位。

我们还做了一个行人行为的监测，就是从车上有没有人下来，这些人是去服务区里面吃饭，还是上厕所，我们对这些人的一些外形的行为，就是叫行为学的一些监测。比如说这个人下来之后他有没有提箱子，有没有拎包等等，这个也可以通过我们人工智能机器学习的一些方法来对他进行一个识别。

在对整个轨迹进行跟踪，因为去卫生间和餐厅的方向，包括客流聚集的点是不一样的，这个也可以做一个判别。最后通过一些人体的特征做一个行为人的判别，最后来判别他是不是违法。

然后我们再对他进行一个事件的关联，做一个时空的关联和行为关联分析，来判断他是不是异常的，违法的这样一个上下客的事件。

这是我们在人工智能里面的一个探索。

最后汇报一下我们在人工智能领域做的一些探索结论和对未来的一些展望。

我有三个方面的体会：

第一个，人工智能不是今天这个时刻才出来的，已经有六十多年的这样一个发展历程。当然我相信未来的发展肯定也是一个永无止境的过程。

人工智能，我们自己研究下来，我们感觉虽然现在很多人工智能做得非常好了，但是它仍然处在从一个弱的人工智能向强的人工智能甚至向超强的人工智能演进的过程当中。怎么解释它呢？实际上我们做了很多的人工智能，更多的是从前端感知这样一种手段，甚至是一种智能的感知，但是它没有一个理性的思考或者一个理性的决策。

而理性的思考和理性的决策，是强人工智能的一个时代，所以未来的研究，特别是跟我们行业深入结合的研究，这个过程在不断地演进。

第二个，我们很多人工智能的研究是结合人工参与，再来加一些外围的人工设备来做巡查。我们未来无人驾驶的阶段，车本身是一个自动化的角度，再来搭载我们在一些特殊的场景，特殊的场合下，人不便去的一些地方的巡检，能不能结合起来，做一些未来更高智能化的这样一个人工智能的尝试，我觉得这可能是未来的一个发展方向。

第三个，特别重要，为什么叫新一代人工智能？前面讲的中国工程院推出来了一个人工智能2.0，我们也在思考到底什么是人工智能，什么是新一代人工智能，二者有什么区别？

最后我们总结下来大概有这么几点可能可以去对它进行一个界定。

第一个，以前的人工智能可能忽视了大数据的应用，因为以前我们大数据的这种采集的外部环境和应用的环境不具备，现在有了大数据，大数据再结合我们一些单体的计算和群体计算的能力，可能让我们的人工智能焕发了一个新的活力，所以可以称为新人工智能时代的一个特点。

第二个，前面讲到过，人工智能为什么走入了很多的低谷期？我们分析下来，因为它没有知识，它所做的很多应用，没有形成一种知识的图谱。

这个是未来机器大脑中的知识库，以及推进新一代人工智能，我们认为是非常重要的。包括公路巡查里面，我们认为每一个事件，每一个组成的要素，它之间到了一定的大数据阶段之后一定是可以形成一个知识图谱的，而这不仅仅是专家的经验。

所以通过这几种，大数据和知识图谱的构建，可以极大地丰富我们人工智能的深度和广度。

（上文由中设集团智能交通设计研究中心主任王维锋在第二届（中国）南京道路交通信息化论坛发表的“人工智能在公路巡查中的应用探索”主题演讲，未经本人核实，内容有删减）