马赛尔·范奥斯滕摄

以下是那次赛文访谈的内容：

1、在交通信号控制领域AI技术是怎么被应用的？应用现状如何？

我觉得我们可能要明确一下AI概念的内涵和外延。

AI首先是一种理念，其次才是衍生出来的技术，技术是实现理念的手段。就技术本身而言，AI其实与概论统计没有太大区别，甚至有些AI算法就是基于统计的，本质上都是一种基础工具，一定宣称哪个工具强，哪个工具弱是不对的，每一种工具都有其受约束的一面，以及擅长的领域和解决特定问题的优势。

所以，我们思考方向不应该聚焦于AI本身，而是应思考面对或解决的问题究竟是什么，问题界定清楚，工具的选择也自然清楚了。然后，我们再考虑各种现实条件，是用AI技术来解决合适，还是用传统技术解决合适，也就一目了然。

据我所知，AI技术在交通信号控制领域应用方面的探索，从学术角度已有很多年，有许多研究成果，这并不是什么新创举，但这些学术成果真正落地到产品应用方面，据我有限了解，目前还寥寥无几。

最主要的因素有：

一、数据瓶颈，AI技术落地实施所需要的完备数据样本很难获得，后期更难有一致性的数据样本保证AI本身的迭代进化；而AI的优势即是迭代进化，如果不能在应用中持续迭代，AI就退化成传统的模型映射。

二、计算资源限制，即便找到理想的试验场突破数据瓶颈，而支撑AI复杂计算的资源在过去也不容易突破，尤其是，当采用AI技术本身带来的成本并不能保证后续产品和应用价值有明显提升时，很少有企业肯冒风险去尝试。

三、需求限制，在过去发展过程中，现实应用中绝大部分城市都停留在单点信号控制这个维度，在单点维度，也一直没有碰到特别复杂的需求是已有技术解决不了，一定要采用AI技术才能解决的问题，所以各方面的因素在一起，导致过去AI技术在交通信号控制领域的应用并不多见。

四、人才限制，众所周知，AI人才无论是过去还是现在，依然是稀缺型人才，而采用和维护AI技术本身对人才的要求以及企业需承担的成本很高，这也是很少有企业选择AI技术来实现交通信号控制的一个原因。

2、我们知道AI在交通信号领域、无人驾驶、无人泊车、车牌识别都有应用，除此之外，AI在交通领域还有哪些应用？您了解的应用情况是？

你提到的这些应用，以我对AI的一点理解，我觉得只有无人驾驶可以算是真正体现了AI。

原因很简单，真正的AI应该具备最基本的感知、决策、观察、反馈、校正、进化，再感知、决策、观察、反馈、校正、进化，形成闭环且不断迭代的过程，上述应用中无人驾驶基本上实现了这一过程，但也仅停留在个体的智能化。

而无人泊车和车牌识别，本质上只是完成了一次技术性处理任务，是单点技术性突破，若因此就说具备了AI能力，严格来说是不恰当的。当然，这要取决于每个人如何理解AI，可能不同的人站的角度不同，对AI的预期也不一样。

3、AI大火之后，各行各业似乎都以千奇百怪的方式“AI化”，如何判断项目或产品是真正的“AI化”？行业中有哪些是“有名无实”的人工智能项目或产品？

我觉得还是要回归到对AI本身的理解，我认为AI的理念要远胜过AI技术本身。具体到AI技术，其实就是一些数学模型、算法和计算资源，如果简单的把这些数学模型和算法植入到某个产品中，便说这个产品是AI产品的话，这也是不准确的。

所以，评价一个产品是否是AI产品，主要还是看产品本身的设计方案是否真正按照AI理念来执行的。所谓AI理念，就是前面所说的，产品是否真的具备感知、决策、观察、反馈、校正、进化的迭代能力，如果具备这样的能力，即便每一个过程点都采用传统的，甚至是简单的数学运算来实现，那么这个产品也是具备AI能力的；反之，即便植入再多的AI算法和模型，也不能算是真正的AI产品。

AI产品的核心还是人如何将AI的理念设计并呈现出来，同时有客观条件支撑实现。判定一款产品是否是AI产品，用户有最终的发言权，如果用户觉得这款产品提升了效率，有了更好的交互体验，解决了之前困扰用户的一些难点问题，并能在应用中不断迭代优化，这样的产品或项目，就可以称其为是AI产品。

4、您认为，“人工智能”距离智能交通行业有多远？

一个行业如果要实现人们字面上理解的智能，其实有几个阶段要跨过。

第一个阶段是行业本身的信息化，这是大前提，国内过往20年，本质上其实是交通设备及业务流程信息化，过去提的智能交通等同于交通信息化，与“智能”两个字关系不大，我们仅仅是过早地在消费“智能”这个概念，就像现在过早地在消费“大脑”，消费“AI”一个道理；

第二个阶段是，业务本身的规范化，即行业内的业务逻辑都已规范化、标准化和流程化，业务即便线下运转也已是一个有序的系统，只有这样，才能通过IT手段把有序的规范化业务流程线上化；

第三个阶段是，业务数据联通化，这个话题行业内都在讲，尤其近几年，大数据平台、数据中台、数据仓库……，但有一点其实现有解决方案都忽略了。即，我们不能仅仅完成一个数据搬迁工作，把原来分散在几个沟渠中的水，弄个管道连通，或引入另一个更大的水库中存放就声称完成交通大数据平台工作。关键是要看数据应用的结果、看效果，要从行业、专业和业务角度对这些数据重新整理，这是一个巨大工程，不是一蹴而就的通过搬迁手段就能完成的。

第四个阶段，前面三个阶段走完，才可以讨论人们所期望的智能化，即AI能驱动业务自动化地运转，并能根据业务运转的结果进行不断地迭代。人能够直接地与自动运转的设备或系统进行互动，深度解决用户场景中的问题，透视规律，深度挖掘和理解业务，给出智能化解决方案。

AI最终是要为客户（用户）创造价值。

就智能交通行业目前的现状而言，各地的差别很大，但总的来看，还需要在“人工”这个层面加大力度，先把系统本身有序化，然后才是“智能化”。

从这个角度看，除非交通工具本身发生大的变革，带动整个行业快速地变革，直接进入了自动化或智能化阶段，否则，离真正智能化或AI化应该还有很长的路要走。

各个城市目前处在“信息化”、“数据化”、“智能化”相互交叉，相互重叠，较为混乱的一个阶段，更像是AI黎明破晓前的黑夜。

历史文章：

初次主持交通大咖云集的会议

科普交通信号配时优化

在香港大学的报告——数字孪生交通

交通大脑——六度交通

一次参与王坚院士会议的发言分享

科研创新创业十年